R knn.cv k 最近鄰交叉驗證分類

說明

k-nearest 鄰居cross-validatory 來自訓練集的分類。

用法

knn.cv(train, cl, k = 1, l = 0, prob = FALSE, use.all = TRUE)

參數

train	訓練集案例的矩陣或 DataFrame 。
cl	訓練集真實分類因子
k	考慮的鄰居數量。
l	明確決定的最低投票數，否則 doubt 。 (更準確地說，即使 k 因平局而增加，也允許少於 k-l 的反對票。)
prob	如果這是真的，獲勝類的得票比例將作為屬性 prob 返回。
use.all	控製關係的處理。如果為 true，則包含等於 k 最大的所有距離。如果為 false，則隨機選擇等於 k th 的距離來精確使用 k 鄰居。

細節

這使用留一法交叉驗證。對於訓練集 train 的每一行，找到最接近(歐幾裏德距離)的 k 其他訓練集向量，並通過多數票決定分類，並隨機打破平局。如果第 k 最接近的向量存在平局，則所有候選人都將包含在投票中。

值

訓練集的分類因子。 doubt 將返回為 NA 。

例子

train <- rbind(iris3[,,1], iris3[,,2], iris3[,,3])
cl <- factor(c(rep("s",50), rep("c",50), rep("v",50)))
knn.cv(train, cl, k = 3, prob = TRUE)
attributes(.Last.value)

參考

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

knn