Question

我试图使用R的Caret包来使用适用于＆＃34;鲍鱼的KNN＆＃34;来自UCI机器学习的数据库（链接到data）。但是当它有分类值时，它不允许使用KNN。如何将分类值（在此数据库中"M","F","I"）转换为数值，例如1,2,3？

Answer 1

第一个答案似乎是一个非常糟糕的主意。将{"M","F","I"}编码为{1, 2, 3}意味着Infant = 3 * Male，Male = Female/2等等。

如果您使用公式方法，

KNN通过caret确实允许将分类值作为预测变量。否则，您需要将它们编码为二进制dummy variables。

此外，显示您的代码并具有可重复的示例将有很大帮助。

最高

Answer 2

通过read.table读取数据时，第一列中的数据是因子。然后

data$iGender = as.integer(data$Gender)

会奏效。如果它们是角色，那么通过因子的绕行是最简单的：

data$iGender= as.integer(as.factor(data$Gender))

Answer 3

在您的数据集中使用kNN算法的最简单方法之一，其中一个功能是分类：如您所提到的“M”，“F”和“I”如下：只需在您的数据集存在的CVS或Excel文件中，在右列中继续，将M更改为1，将F更改为2，将I更改为3.在这种情况下，数据集中有离散值，您可以轻松使用kNN算法R上。

Answer 4

您只需使用stringsAsFactors = TRUE
读取文件即可

实施例

data_raw<-read.csv('...../credit-default.csv', stringsAsFactors = TRUE)

stringasfactors将为Char数据类型

提供数字替换

Answer 5

尝试在R中使用knncat程序包，该程序包将分类变量转换为数字变量。