常见的数据缺失填充方式分为很多种，比如删除法、均值法、回归法、KNN、MICE、EM等等。R语言包中在此方面比较全面，python稍差。 目前已有的两种常见的包，第一个是impyute，第二个是fancyimpute,具体的内容请百度，此方面的例子不是很多。比如fa
转载
2023-10-18 07:35:01
616阅读
# KNN算法在R语言中的应用
K最近邻（K-Nearest Neighbors）是一种常用的无监督学习算法，常用于分类和回归问题。在R语言中，我们可以使用`class`包中的`knn()`函数来实现KNN算法。本文将介绍KNN算法的原理、在R语言中的实现以及一个简单的示例。
## KNN算法原理
KNN算法是一种基于实例的学习方法，其基本思想是通过计算待分类样本与已知样本的距离，选择距离最
原创
2024-02-23 08:17:20
75阅读
---
title: "Summary of Reading"
author: "ChenWei"
date: "2020/6/24"
output: word_document
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE) 这一次我阅读的是Francisco Martinez等著的《Time Seri
转载
2023-09-21 21:56:33
135阅读
Loading [MathJax]/jax/output/HTML-CSS/jax.js
KNN实例junjun2016年2月10日 实例一、K近邻算法R语言实践，使用class包中的三个函数knn()、knn1()、knn.cv()分别做K近邻分类，并比较结果#1、加载数据
data("iris")
#2、创建训练集和测试集数据
library(caret)## Loading
算法要点：knn（k-nearst neighbor）1：k：=最近邻点数，D：=training set of data2：for (待测点z)3：计算z和每个样例（x，y）的距离4：选择离z最近的k个训练样例的集合5：统计第4步得到的点哪一类多，则z就属于哪一类6：end for数据：libraryI(ISLR)names(Smarket )#R自带数据knn代码：attach(Sm
转载
2023-06-13 19:53:38
346阅读
回所了，开始处理数据，由于cartopy绘制极地投影加标签实在是太麻烦了，就用R把nc数据处理了，再用ncl画图。 本文包括：R语言使用ncdf4批量读写nc使用lubridare包将日均数据转为月均数据使用trend包进行MK趋势检验ncl极地绘图R语言批量读取nc文件主要使用ncdf4包，用法和python差不多，没什么好讲的，直接上代码：library('ncdf4')
ncfiles<
转载
2023-06-01 16:51:45
255阅读
# 实现R语言KNN权重的步骤
## 1. 准备数据集
在实现KNN权重算法之前，首先需要准备好数据集。数据集应该具有以下特征：
- 包含多个特征（属性）和一个目标变量（分类或回归）
- 特征应该是数值型的，可以使用欧氏距离计算相似度
- 目标变量可以是分类（离散值）或回归（连续值）
## 2. 数据预处理
数据预处理是为了保证数据的质量和一致性，包括以下步骤：
- 缺失值处理：删除缺失值或进
原创
2023-10-28 07:29:26
36阅读
在统计学和机器学习领域，K近邻（KNN）算法是一种非参数的分类和回归方法。该算法根据数据点之间的距离来进行预测，其简单易懂的原理和实现，使得它在实际应用中得到广泛应用。本文将详细记录“R语言 KNN原理”的分析过程，从背景描述到技术原理，再到源码分析与总结展望，力求梳理出KNN在R语言中的实施步骤和实现机制。
## 背景描述
KNN算法的核心思想是：对于一个待分类的数据点，通过计算其与训练集中其
K-近邻算法（KNN）原理及举例样本集中每一个数据与所属分类有对应关系，输入没有标签的新数据后，将新数据与训练集数据的对应特征进行比较，找出“距离”最近的k个数据，选择这k个数据中出现最多的分类作为新数据的分类。 算法描述 (1) 计算已知类别数据集中的点与当前点的距离;(2) 选取与当前点距离最小的k个点(3) 确定前K个点所在类别出现的频率(4) 返回频率最高的
转载
2023-11-07 00:44:05
129阅读
KNN(K-Nearest-Neighbour) Classifiers, 即K-近邻算法，是一种懒惰机器学习算法(lazy learning)。简而言之，它在拿到训练集数据时并不急着去建模，而是在拿到测试集数据后，再到训练集数据中去寻找该测试样本最近的“邻居”，即距离最近的K个训练样本，依照训练样本数据的所属类别，加权或不加权地得出测试数据的类别。那么应该选择多少个邻居呢，即K取值是多还是少好呢
转载
2023-10-15 09:04:55
210阅读
KNN中文里叫K近邻，全称是K-Nearest Neighbor，用来选出某个样本点k个最近的样本。作为机器学习一种入门级算法，KNN的NN虽然和计量经济学中PSM模型中的NN近邻匹配字面意思一样，但两者的算法原理却有着本质区别。PSM：NN近邻匹配的依据是样本进入“干预组”的概率或得分（propensity score），通常用logit/Probit函数
转载
2024-05-07 11:07:12
74阅读
一 . K-近邻算法（KNN）概述 最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来，当测试对象的属性和某个训练对象的属性完全匹配时，便可以对其进行分类。但是怎么可能所有测试对象都会找到与之完全匹配的训练对象呢，其次就是存在一个测试对象同时与多个训练对象匹配，导致一个训练对象被分到了多个类的问题，基于这些问题呢，就产生了KNN。 KNN是通过测量
转载
2023-07-16 16:23:26
137阅读
K近邻算法（KNN)是指一个样本如果在特征空间中的K个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。即每个样本都可以用它最接近的k个邻居来代表。KNN算法适合分类，也适合回归。KNN算法广泛应用在推荐系统、语义搜索、异常检测。 KNN算法分类原理图：图中绿色的圆点是归属在红色三角还是蓝色方块一类？如果K=5（离绿色圆点最近的5个邻居，虚线圈内）
转载
2024-03-29 09:59:05
336阅读
class包：提供Knn()函数
kknn包：提供kknn()函数及miete数据集（房租信息）
kknn函数：实现有权重的K最近邻
knn函数：实现K最近邻算法
klaR包：提供NavieBayes()函数
lda函数：线性判别
MASS包：提供lda()和qda()函数
NavieBayes()函数：实现朴素贝叶斯算法
#####################判别分析########
转载
2023-12-13 09:29:52
85阅读
目录一、数据准备1.数据加载2.做分组信息数据3.表达数据样本ID顺序与样本信息数据匹配二、数据预处理(1)缺失值处理(2)离群值处理(3)数据归一化三、数据探索(1)查看数据是否经过了log2转换(2)查看管家基因的表达量(3)画箱线图查看数据分布(4)PCA图、层次聚类图四、差异表达分析(1)数据准备(2)差异分析及可视化(3)提取差异表达基因一、数据准备1.数据加载#数据表达数据加载
exp
转载
2023-08-01 15:57:04
181阅读
思想简介KNN（k-Nearest Neighbor)是一种懒惰机器学习算法(lazy learning)。所谓k最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。简而言之，它在拿到训练集数据时并不急着去建模，而是在拿到测试集数据后，再到训练集数据中去寻找该测试样本最近的“邻居”，即距离最近的K个训练样本，依照训练样本数据的所属类别，加权或不加权地得出测试数据的类别
转载
2023-08-17 07:42:15
803阅读
k最临近（KNN）算法是最简单的分类算法之一，属于有监督的机器学习算法。算法流程 KNN的核心思想是：找出特征空间中距离待分类点最近的k个点，如果这k个点大多数属于某一个类别，则该样本也属于这个类别。 k值一般取20以下的整数。下图为从网上截取的图片，可以直观看到与点x最临近的5个点里，有4个为红色圆点，因此将点x的类别判断为红色圆点一类。R语言实现 在R中实现knn聚类，可以使用class包中点
转载
2024-05-29 23:07:08
248阅读
KNN算法是一种常见的机器学习算法，它可以用于分类和回归问题。KNN算法的核心思想是通过计算样本之间的距离来确定新样本的类别或数值。在本文中，我们将详细介绍KNN算法的原理、应用和优缺点。一、KNN算法的原理KNN算法的全称是K-Nearest Neighbor算法，它的基本思想是通过计算新样本与训练集中所有样本的距离，找到距离最近的K个样本，然后根据这K个样本的类别或数值来确定新样本的类别或数值
转载
2023-11-23 16:24:34
13阅读
从今天开始给大家写机器学习算法，这个东西并不是大多数人想象的那么高深，也不是说编程的人，搞计算机的人才能学习使用，医学领域、社会科学领域的研究越来越多运用机器学习的，在我的理解中每个人都应该掌握基本的机器学习思想和基本的编程能力。这个系列的第一篇文章从简单的分类算法KNN开始：这个算法真的非常的简单，简单到初中生都可以掌握，所以大家一定要有信心：kNN is arguably the simple
转载
2024-04-03 12:27:18
23阅读
# R语言 KNN 交叉验证：提升模型性能的利器
在机器学习领域，K最近邻（KNN）算法因其简单有效而广泛应用。尤其在分类问题中，KNN通过测量样本间的距离来判断分类。然而，为了提升模型性能，我们需要验证模型的有效性，而交叉验证（Cross-Validation）则是常用的方法之一。本文将介绍如何在R语言中使用交叉验证来优化KNN模型，并提供代码示例。
## KNN算法介绍
KNN是一种基于
原创
2024-10-05 03:59:55
125阅读
