我正在尝试使用kn中的kn（使用多个包（knnflex，class））来预测基于8个变量的默认概率。数据集大约是100k行的8列，但是我的机器似乎很难处理10k行的样本。有关在数据集上执行操作的任何建议＆gt; 50行（即iris）？
编辑：
澄清有几个问题。
1）class和knnflex包中的示例有点不清楚，我很好奇是否有一些类似于randomForest包的实现，你给它提供你想要预测的变量您要用于训练模型的数据：
RF <- randomForest(x, y, ntree, type,...)
然后转身并使用模型使用测试数据集预测数据：
pred <- predict(RF, testData)
2）我真的不明白为什么knn需要训练和测试数据来构建模型。据我所知，该包创建了一个矩阵〜nrows(trainingData)^2，它似乎也是预测数据大小的上限。我创建了一个使用5000行的模型（高于＃我得到了内存分配错误）并且无法预测测试集＆gt; 5000行。因此我需要：
a）找到一种使用方法＆gt;训练集中的5000行
或
b）找到在完整的100k线上使用该模型的方法。
答案 0 :(得分：8)
knn（在类中）询问培训和测试数据的原因是，如果没有，那么它返回的“模型”将只是培训数据本身。
训练数据 模型。
为了进行预测，knn计算测试观察与每次训练观察之间的距离（尽管我认为有些奇特的版本适用于无法检查每个的大型数据集距离）。因此，在您进行测试观察之前，实际上并没有建立模型。
ipred 包提供了按照您的描述显示结构的功能，但如果您查看它们，您会发现“training”功能基本上没有发生任何事情。所有工作都在“预测”功能中。这些实际上是用作使用交叉验证进行错误估计的包装器。
就案件数量的限制而言，这将取决于您拥有多少物理内存。如果您遇到内存分配错误，那么您需要减少其他地方的RAM使用率（关闭应用程序等），购买更多内存，购买新计算机等。
类中的knn函数运行正常，训练和测试数据集为10k行或更多，尽管我有8GB的RAM。此外，我怀疑类中的knn将比 knnflex 更快，但我还没有进行过广泛的测试。