试图在R中实现K-Nearest Neighbor，不知道从哪里开始

Question

我正在尝试在R中实施KNN算法。

这是我正在处理的数据集（其中前两列是属性，第三列是标签）：

2, 3, 1
4, 5, 1
6, 7, -1
8, 9, 1
5, 6, 1
7, 8, -1

我的训练集train.X是前4个属性：

2, 3
4, 5
6, 7
8, 9

我的测试集test.X是最后两个属性：

5, 6
7, 8

train.Y表示训练集的标签，test.Y表示测试集的标签（我将很快尝试并预测以验证此集合）。

该算法的第一步是计算test.X和train.X之间的欧几里德距离，我知道如何计算。但是，我不确定如何存储距离，以便我可以按顺序对它们进行排序。例如，我如何将它们存储在表格中？

欣赏任何见解

Answer 1

看看this example - 这是非常直截了当的。以下是要点：

• 对于每个测试点：

  • 初始化矢量以存储到火车实例的距离：

    dsq <- numeric(nrow(train.X))

  • 以dsq存储到培训点的距离

  • 按递增顺序排序dsq：

    ord <- order(dsq)

  • 然后，您的特定测试点的输出是

    p.test <- mean(train.Y[ ord[1:k] ])

其中k是你选择的最近邻居。

希望这会有所帮助......