R multiedit k-NN 分類器的多重編輯

說明

k-NN 分類器的多重編輯

用法

multiedit(x, class, k = 1, V = 3, I = 5, trace = TRUE)

參數

x	訓練集矩陣。
class	訓練集的分類向量。
k	k-NN 中使用的鄰居數量。
V	將訓練集分為V部分。
I	退出前的空通過次數。
trace	每次傳遞的統計數據都是邏輯的。

值

要保留的案例的索引向量。

例子

tr <- sample(1:50, 25)
train <- rbind(iris3[tr,,1], iris3[tr,,2], iris3[tr,,3])
test <- rbind(iris3[-tr,,1], iris3[-tr,,2], iris3[-tr,,3])
cl <- factor(c(rep(1,25),rep(2,25), rep(3,25)), labels=c("s", "c", "v"))
table(cl, knn(train, test, cl, 3))
ind1 <- multiedit(train, cl, 3)
length(ind1)
table(cl, knn(train[ind1, , drop=FALSE], test, cl[ind1], 1))
ntrain <- train[ind1,]; ncl <- cl[ind1]
ind2 <- condense(ntrain, ncl)
length(ind2)
table(cl, knn(ntrain[ind2, , drop=FALSE], test, ncl[ind2], 1))

參考

P. A. Devijver and J. Kittler (1982) Pattern Recognition. A Statistical Approach. Prentice-Hall, p. 115.

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

condense , reduce.nn