Question

我试图在虹膜数据集上从头开始在R中实现KNN分类器，作为其中的一部分，我编写了一个函数来计算欧几里德距离。这是我的代码。

known_data <- iris[1:15,c("Sepal.Length", "Petal.Length", "Class")]
unknown_data <- iris[16,c("Sepal.Length", "Petal.Length")]

# euclidean distance
 euclidean_dist <- function(k,unk) {
 distance <- 0
 for(i in 1:nrow(k))
 distance[i] <- sqrt((k[,1][i] - unk[,1][i])^2 + (k[,2][i] - unk[,2][i])^2)
 return(distance)
} 

euclidean_dist(known_data, unknown_data)

然而，当我调用该函数时，它正确地返回第一个值并作为NA返回。任何人都可以显示我可能出错的代码吗？提前谢谢。

Answer 1

目的是计算known_data的第i行和单个unknown_data点之间的距离。

如何修复代码

当你计算distance[i]时，你试图访问未退出的未知数据点的第i行，因此NA。我相信如果您进行以下编辑，您的代码应运行正常：

known_data <- iris[1:15,c("Sepal.Length", "Petal.Length", "Class")] 
unknown_data <- iris[16,c("Sepal.Length", "Petal.Length")]

# euclidean distance
euclidean_dist <- function(k,unk) {
  # Make distance a vector [although not technically required]
  distance <- rep(0, nrow(k))

  for(i in 1:nrow(k))
    # Change unk[,1][i] to unk[1,1] and similarly for unk[,2][i]
    distance[i] <- sqrt((k[,1][i] - unk[1,1])^2 + (k[,2][i] - unk[1,2])^2)

  return(distance)
} 

euclidean_dist(known_data, unknown_data)

最后一点 - 在我正在使用的R版本中，已知数据集使用Species而不是Class列

另一种方法

正如@RomanLuštrik所建议的那样，通过简单的单线程可以实现获得欧氏距离的整个目标：

sqrt((known_data[, 1] - unknown_data[, 1])^2 + (known_data[, 2] - unknown_data[, 2])^2)

这与你编写的函数非常相似，但它是以矢量化形式，而不是通过循环，这通常是在R中做事的一种更好的方式。

Answer 2

最好和最快的方法是使用h2o包：

#load library
    library(h2o)
#initialize the node
    h2o.init()
#transform the df to h2o type
    known_data<-as.h2o(known_data)
    unknown_data<-as.h2o(unknown_data)
#create a matrix in which the distances are going to be record
    matrix1<-h2o.createFrame(rows=nrow(known_data),cols=unknown_data)
#do a loop to calculate the distance between all the rows of both df
    for(i in 1:nrow(unknown_data)){
    matrix[,i]<-as.data.frame(h2o.distance(known_data, unknown_data[i,],"l2"))
    }

计算R中欧氏距离的函数

2 个答案: