我想使用 KNN 在 R 中构建分类器。
我想使用各种 K 数字，每次使用 5 倍 CV - 我将如何报告每个 K 值（KNN）的准确性。
我正在使用knn()R 中的函数 - 我也一直在使用caret，所以我可以使用traincontrol()，但我对如何做到这一点感到困惑？我知道我没有包含数据，但我正在寻找更多的方法。
R中的KNN和K折叠
机器算法验证
r
分类
交叉验证
k-最近邻
插入符号
2022-04-15 14:34:33
1个回答
要在 中使用 5 折交叉验证caret，您可以按如下方式设置“列车控制”：
trControl <- trainControl(method = "cv",
number = 5)
然后，您可以使用交叉验证来评估具有不同 k 值的 KNN 分类器的准确性
fit <- train(Species ~ .,
method = "knn",
tuneGrid = expand.grid(k = 1:10),
trControl = trControl,
metric = "Accuracy",
data = iris)
输出：
k-Nearest Neighbors
150 samples
4 predictor
3 classes: 'setosa', 'versicolor', 'virginica'
No pre-processing
Resampling: Cross-Validated (5 fold)
Summary of sample sizes: 120, 120, 120, 120, 120
Resampling results across tuning parameters:
k Accuracy Kappa
1 0.9600000 0.94
2 0.9600000 0.94
3 0.9600000 0.94
4 0.9533333 0.93
5 0.9733333 0.96
6 0.9666667 0.95
7 0.9600000 0.94
8 0.9666667 0.95
9 0.9733333 0.96
10 0.9600000 0.94
Accuracy was used to select the optimal model using the largest value.
The final value used for the model was k = 9.