R condense k-NN 分類器的壓縮訓練集

說明

k-NN 分類器的壓縮訓練集

用法

condense(train, class, store, trace = TRUE)

參數

train	訓練集矩陣
class	測試集的分類向量
store	初始商店設置。默認從集合中隨機選擇一個元素。
trace	合乎邏輯的。跟蹤迭代？

細節

商店集用於對其餘部分進行 1-NN 分類，並將錯誤分類的模式添加到商店集。檢查整個集合，直到沒有添加發生。

值

要保留的案例的索引向量(最終存儲集)。

例子

train <- rbind(iris3[1:25,,1], iris3[1:25,,2], iris3[1:25,,3])
test <- rbind(iris3[26:50,,1], iris3[26:50,,2], iris3[26:50,,3])
cl <- factor(c(rep("s",25), rep("c",25), rep("v",25)))
keep <- condense(train, cl)
knn(train[keep, , drop=FALSE], test, cl[keep])
keep2 <- reduce.nn(train, keep, cl)
knn(train[keep2, , drop=FALSE], test, cl[keep2])

參考

P. A. Devijver and J. Kittler (1982) Pattern Recognition. A Statistical Approach. Prentice-Hall, pp. 119-121.

Ripley, B. D. (1996) Pattern Recognition and Neural Networks. Cambridge.

Venables, W. N. and Ripley, B. D. (2002) Modern Applied Statistics with S. Fourth edition. Springer.

也可以看看

reduce.nn , multiedit