Question

我正在使用R的[:link {:rel "stylesheet" :href "https://unpkg.com/leaflet@1.5.1/dist/leaflet.css" :integrity "sha512-xwE/Az9zrjBIphAcBb3F6JVqxf46+CDLwfLMHloNu6KEQCAWi6HcDUbeOfBIptF7tcCzusKFjFw2yuvEpDL9wQ==" :crossorigin ""}]]包拟合k最近邻模型。

caret

我留下一个观察值作为测试数据，并使用训练数据拟合模型。

library(caret)

set.seed(0)
y = rnorm(20, 100, 15)
predictors = matrix(rnorm(80, 10, 5), ncol=4)
data = data.frame(cbind(y, predictors))
colnames(data)=c('Price', 'Distance', 'Cost', 'Tax', 'Transport')

当我显示id = sample(nrow(data)-1) train = data[id, ] test = data[-id,] knn.model = train(Price~., method='knn', train) predict(knn.model, test)时，它告诉我它使用了knn.model。我想知道哪9个观察实际上是测试观察的“最近”。除了手动计算距离之外，还有没有更简单的方法来显示最近的邻居？

谢谢！

Answer 1

使用knn时，将基于自变量创建点附近的聚类。通常，这是使用train(Price~., method='knn', train)完成的，因此该模型会根据某些标准（同时还要考虑因变量）选择最佳预测。考虑到我尚未检查R对象是否存储每个训练值的预测价格的事实，我只是使用训练过的模型来预测给定模型的预期价格（预期价格位于空间中）。

最后，因变量只是公共空间中所有其他变量的表示，在此假设关联的价格是相似的，因为您是基于接近性进行聚类的。作为步骤的摘要，您需要计算以下内容：

获取每个训练数据点的距离。这是通过对它们进行预测来完成的。
计算训练数据与您感兴趣的观察之间的距离（以绝对值表示，因为您并不关心符号，而仅关心绝对距离）。

取N个较小索引的索引（例如N = 9）。您可以获得观测值并且与该较低距离相关。

TestPred<-predict(knn.model, newdata = test)
TrainPred<-predict(knn.model, train)

Nearest9neighbors<-order(abs(TestPred-TrainPred))[1:9]

train[Nearest9neighbors,]
     Price    Distance      Cost       Tax Transport
15  95.51177 13.633754  9.725613 13.320678 12.981295
7   86.07149 15.428847  2.181090  2.874508 14.984934
19 106.53525 16.191521 -1.119501  5.439658 11.145098
2   95.10650 11.886978 12.803730  9.944773 16.270416
4  119.08644 14.020948  5.839784  9.420873  8.902422
9   99.91349  3.577003 14.160236 11.242063 16.280094
18  86.62118  7.852434  9.136882  9.411232 17.279942
11 111.45390  8.821467 11.330687 10.095782 16.496562
17 103.78335 14.960802 13.091216 10.718857  8.589131

使用插入符号找到最近的邻居

1 个答案: