r - 对R中k在1到21之间的所有奇数值进行knn分类

Question

我正在尝试使用 iris 数据集执行 knn，其中 k 的多个奇数值在 1 - 21(含)之间。组合所有 knn 并仍然收到正确结果的正确方法是吗？另外，我将如何创建结果的混淆矩阵并检查准确性？

创建混淆矩阵和检查准确性时出现以下错误...

ERROR 1: Error in table(knn_class, train.labels) : all arguments must have the same length

ERROR 2: In ==.default(knn_class, train.labels) : longer object length is not a multiple of shorter object length

当我使用多个 k 执行 knn 时，train.labels 小于 knn_class 但我不明白如何解决。

这是到目前为止我的代码...

library(class)
data(iris)

# Generate a random sample that is 2/3 of the total number of rows in dataset.
ran <- sample(2, nrow(iris), replace=TRUE, prob=c(0.80, 0.20))
ran

# Compose training labels
train.labels <- iris[ran==1, 5]

# Compose test labels
test.labels <- iris[ran==2, 5]

# Compose training set.
training <- iris[ran==1, 1:4]
data_train <- cbind(train.labels,training)

# Compose test set.
test <- iris[ran==2, 1:4]
data_test <- cbind(test.labels,test)

k_values <- seq(from=1, to=21, by=2)

knn_class <- sapply(k_values, function(k) {
  knn(train = training, test = test, cl = train.labels, k=k)
})
colnames(knn_class) <- c(1,  3,  5,  7,  9, 11, 13, 15, 17, 19, 21)
summary(knn_class)
          1               3               5               7               9               11              13    
 setosa    :13   setosa    :13   setosa    :13   setosa    :13   setosa    :13   setosa    :13   setosa    :13  
 versicolor:11   versicolor:10   versicolor: 9   versicolor: 9   versicolor: 9   versicolor:10   versicolor:10  
 virginica : 9   virginica :10   virginica :11   virginica :11   virginica :11   virginica :10   virginica :10  
          15              17              19              21    
 setosa    :13   setosa    :13   setosa    :13   setosa    :13  
 versicolor:11   versicolor:11   versicolor:10   versicolor:11  
 virginica : 9   virginica : 9   virginica :10   virginica : 9  


# Checking Accuracy of knn.
# Error 1 here.
con_mat <- confusionMatrix(table(knn_class, train.labels))

# Error 2 here.
mean(knn_class == train.labels) # success rate

如有任何帮助，我们将不胜感激。

Answer 1

第一个问题是您正在使用训练标签来比较您的结果，这会给您带来不同的尺寸。 KNN 类是一个 25 行到 11 列的矩阵。您需要将结果与测试标签进行比较。

另一个错误是您需要创建混淆矩阵并获取每个 K 值的准确性。此代码解决了您的问题:

accuracy <- c()
con_mat <- list()
for(i in 1:ncol(knn_class)) #iterating over columns
{
  con_mat[[i]] <- table(knn_class[,i], test.labels) #geting the confusion matrix
  accuracy = c(accuracy,mean(knn_class[,i] == test.labels)) #geting the accuracy 
}