R语言怎么计算物种优势度 r语言算法

转载

mob6454cc7a6087 2023-10-25 18:13:09

文章标签 R语言怎么计算物种优势度 r语言 Data 数据权重 文章分类 R语言后端开发

R版本：3.6.1

K-最近邻算法：

a.距离：

闵可夫斯基距离、欧式距离、绝对距离、切比雪夫距离、夹角余弦距离

b.临近个数：

1-邻近法：以一个最近距离表示该类别，错误率不会高于普通贝叶斯的两倍。

旁置法：70%的训练集和30%的测试集，适合样本大的情况。

留一法：抽取一个样本作为测试集，这个过程需要重复N次，取平均值作为误差。在数据不平衡时，误差较大。

setwd('G:\\R语言\\大三下半年\\R语言数据挖掘方法及应用\\')
 > ##########KNN分类
 > set.seed(12345)
 > x1<-runif(60,-1,1)
 > x2<-runif(60,-1,1)
 > y<-sample(c(0,1),size=60,replace=TRUE,prob=c(0.3,0.7))
 > Data<-data.frame(Fx1=x1,Fx2=x2,Fy=y)Data
             Fx1          Fx2 Fy
 1   0.441807793  0.583135597  1
 2   0.751546386 -0.482631366  1
 3   0.521964657  0.971967664  0
 4   0.772249132  0.513747487  1
 5  -0.087038080  0.959556494  1
 ......
 56 -0.001517959  0.811382272  0
 57  0.459543943  0.968052347  1
 58 -0.839327911  0.175895947  1
 59 -0.128939030 -0.981071897  1
 60 -0.526839093 -0.358415862  1
 > SampleId<-sample(x=1:60,size=18)
 > DataTest<-Data[SampleId,]
 > DataTrain<-Data[-SampleId,]
 > par(mfrow=c(2,2),mar=c(4,6,4,4))
 > plot(Data[,1:2],pch=Data[,3]+1,cex=0.8,xlab="x1",ylab="x2",main="全部样本")
 > plot(DataTrain[,1:2],pch=DataTrain[,3]+1,cex=0.8,xlab="x1",ylab="x2",main="训练样本和测试样本")
 > points(DataTest[,1:2],pch=DataTest[,3]+16,col=2,cex=0.8) > library("class")
 > errRatio<-vector()
 > for(i in 1:30){    
 +  KnnFit<-knn(train=Data[,1:2],test=Data[,1:2],cl=Data[,3],k=i)
 +  CT<-table(Data[,3],KnnFit)  
 +  errRatio<-c(errRatio,(1-sum(diag(CT))/sum(CT))*100)     
 + }
 > plot(errRatio,type="l",xlab="近邻个数K",ylab="错判率(%)",main="近邻数K与错判率",ylim=c(0,80))

#旁置法

> errRatio1<-vector()
 > for(i in 1:30){
 +  KnnFit<-knn(train=DataTrain[,1:2],test=DataTest[,1:2],cl=DataTrain[,3],k=i) 
 +  CT<-table(DataTest[,3],KnnFit) 
 +  errRatio1<-c(errRatio1,(1-sum(diag(CT))/sum(CT))*100)    
 + }
 > lines(1:30,errRatio1,lty=2,col=2)

#留一法

> set.seed(12345)
 > errRatio2<-vector()
 > for(i in 1:30){   
 +  KnnFit<-knn.cv(train=Data[,1:2],cl=Data[,3],k=i) 
 +  CT<-table(Data[,3],KnnFit)  
 +  errRatio2<-c(errRatio2,(1-sum(diag(CT))/sum(CT))*100)     
 + }
 > lines(1:30,errRatio2,col=2)

##############KNN回归 #################

> set.seed(12345)
 > x1<-runif(60,-1,1)
 > x2<-runif(60,-1,1)
 > y<-runif(60,10,20)
 > Data<-data.frame(Fx1=x1,Fx2=x2,Fy=y)
 > SampleId<-sample(x=1:60,size=18)
 > DataTest<-Data[SampleId,]
 > DataTrain<-Data[-SampleId,]
 > mseVector<-vector()
 > for(i in 1:30){
 +  KnnFit<-knn(train=DataTrain[,1:2],test=DataTest[,1:2],cl=DataTrain[,3],k=i,prob=FALSE) 
 +  KnnFit<-as.double(as.vector(KnnFit))   
 +  mse<-sum((DataTest[,3]-KnnFit)^2)/length(DataTest[,3])   
 +  mseVector<-c(mseVector,mse)
 + }
 > plot(mseVector,type="l",xlab="近邻个数K",ylab="均方误差",main="近邻数K与均方误差",ylim=c(0,80))

R语言怎么计算物种优势度 r语言算法_R语言怎么计算物种优势度

全部样本：三角和圆圈分别表示0和1

训练样本和测试样本：红色的表示测试样本

邻近数K与错判率：黑线表示全部数据的错误率；红色实现表示留一法错误率；红色虚线表示旁置法。

邻近数K与均方误差：表示回归预测样本的均方误差，K=23时最小

##############天猫成交顾客的分类预测#######################

> library("class")
 > Tmall_train<-read.table("G:\\R语言\\大三下半年\\R语言数据挖掘方法及应用\\天猫_Train_1.txt",header=TRUE,sep=",")
 > head(Tmall_train)
   BuyOrNot BuyDNactDN ActDNTotalDN BuyBBrand BuyHit
 1        1       6.38        51.09      2.83   1.57
 2        1       8.93        60.87      3.20   2.17
 3        1      16.13        33.70     11.63   6.36
 4        1      16.22        40.22     11.29   6.25
 5        1       3.85        56.52      1.89   1.45
 6        1       4.00        54.35      2.13   1.28
 > Tmall_train$BuyOrNot<-as.factor(Tmall_train$BuyOrNot)
 > Tmall_test<-read.table(file="天猫_Test_1.txt",header=TRUE,sep=",")
 > Tmall_test$BuyOrNot<-as.factor(Tmall_test$BuyOrNot)
 > set.seed(123456)
 > errRatio<-vector()
 > for(i in 1:30){
 +  KnnFit<-knn(train=Tmall_train[,-1],test=Tmall_test[,-1],cl=Tmall_train[,1],k=i,prob=FALSE) 
 +  CT<-table(Tmall_test[,1],KnnFit) 
 +  errRatio<-c(errRatio,(1-sum(diag(CT))/sum(CT))*100)    
 + }
 > errRatio
  [1] 1.707317 2.195122 2.804878 3.170732 3.292683 4.146341 3.292683 4.878049
  [9] 5.975610 4.756098 5.365854 6.097561 6.341463 6.341463 6.341463 6.829268
 [17] 8.048780 8.048780 8.048780 8.048780 8.048780 6.951220 6.829268 6.707317
 [25] 8.048780 7.439024 8.048780 8.048780 8.048780 8.048780
 > plot(errRatio,type="b",xlab="近邻个数K",ylab="错判率(%)",main="天猫成交顾客分类预测中的近邻数K与错判率")

R语言怎么计算物种优势度 r语言算法_权重_02

根据图形分析，K=7时错误率为3.3%

####天猫数据KNN分类讨论变量重要性
#基于变量重要性的加权K-邻近法的基本原理####

> library("class")
 > par(mfrow=c(2,2))
 > set.seed(123456)
 > errRatio<-vector()
 > for(i in 1:30){
 +  KnnFit<-knn(train=Tmall_train[,-1],test=Tmall_test[,-1],cl=Tmall_train[,1],k=i,prob=FALSE) 
 +  CT<-table(Tmall_test[,1],KnnFit) 
 +  errRatio<-c(errRatio,(1-sum(diag(CT))/sum(CT))*100)    
 + }
 > plot(errRatio,type="l",xlab="近邻个数K",ylab="错判率(%)",main="近邻数K与错判率")
 > errDelteX<-errRatio[7]
 > for(i in -2:-5){
 +  fit<-knn(train=Tmall_train[,c(-1,i)],test=Tmall_test[,c(-1,i)],cl=Tmall_train[,1],k=7)
 +  CT<-table(Tmall_test[,1],fit)
 +  errDelteX<-c(errDelteX,(1-sum(diag(CT))/sum(CT))*100)
 + }
 > plot(errDelteX,type="l",xlab="剔除变量",ylab="剔除错判率(%)",main="剔除变量与错判率(K=7)",cex.main=0.8)
 > xTitle=c("1:全体变量","2:消费活跃度","3:活跃度","4:成交有效度","5:活动有效度")
 > legend("topright",legend=xTitle,title="变量说明",lty=1,cex=0.2)
 > FI<-errDelteX[-1]+1/4
 > wi<-FI/sum(FI)
 > GLabs<-paste(c("消费活跃度","活跃度","成交有效度","活动有效度"),round(wi,2),sep=":")
 > pie(wi,labels=GLabs,clockwise=TRUE,main="输入变量权重",cex.main=0.8)
 > ColPch=as.integer(as.vector(Tmall_test[,1]))+1
 > plot(Tmall_test[,c(2,4)],pch=ColPch,cex=0.7,xlim=c(0,50),ylim=c(0,50),col=ColPch,
 +      xlab="消费活跃度",ylab="成交有效度",main="二维特征空间中的观测",cex.main=0.8)

R语言怎么计算物种优势度 r语言算法_数据_03

近邻数K与误判率为7时，误判率最小。

剔除变量与错误率：逐个剔除变量后错误率的变化，2表示消费活跃度，可以看出剔除之后错误率上升。

输入变量权重：每个变量的权重，可以看出消费活跃度为0.45。

############天猫数据加权KNN分类############

> #基于观测相似性的加权K-邻近法
 > library("kknn")
 > par(mfrow=c(2,1))
 > Tmall_train<-read.table(file="天猫_Train_1.txt",header=TRUE,sep=",")
 > Tmall_train$BuyOrNot<-as.factor(Tmall_train$BuyOrNot)
 > fit<-train.kknn(formula=BuyOrNot~.,data=Tmall_train,kmax=11,distance=2,kernel=c("rectangular","triangular","gaussian"),na.action=na.omit())
 > plot(fit$MISCLASS[,1]*100,type="l",main="不同核函数和近邻个数K下的错判率曲线图",cex.main=0.8,xlab="近邻个数K",ylab="错判率(%)")
 > lines(fit$MISCLASS[,2]*100,lty=2,col=1)
 > lines(fit$MISCLASS[,3]*100,lty=3,col=2)
 > legend("topleft",legend=c("rectangular","triangular","gaussian"),lty=c(1,2,3),col=c(1,1,2),cex=0.4)   #给出图例 
#利用加权K最近邻
 > Tmall_test<-read.table(file="天猫_Test_1.txt",header=TRUE,sep=",")
 > Tmall_test$BuyOrNot<-as.factor(Tmall_test$BuyOrNot)
 > fit<-kknn(formula=BuyOrNot~.,train=Tmall_train,test=Tmall_test,k=7,distance=2,kernel="gaussian",na.action=na.omit())
 > CT<-table(Tmall_test[,1],fit$fitted.values)
 > errRatio<-(1-sum(diag(CT))/sum(CT))*100
 > errRatio
 [1] 2.804878 
#利用K-近邻分类
 > library("class")
 > fit<-knn(train=Tmall_train,test=Tmall_test,cl=Tmall_train$BuyOrNot,k=7)
 > CT<-table(Tmall_test[,1],fit)
 > errRatio<-c(errRatio,(1-sum(diag(CT))/sum(CT))*100)
 > errGraph<-barplot(errRatio,main="加权K近邻法与K近邻法的错判率对比图(K=7)",cex.main=0.8,xlab="分类方法",ylab="错判率(%)",axes=FALSE)
 > axis(side=1,at=c(0,errGraph,3),labels=c("","加权K-近邻法","K-近邻法",""),tcl=0.25)
 > axis(side=2,tcl=0.25)
 > errRatio
 [1] 2.804878 3.292683

R语言怎么计算物种优势度 r语言算法_权重_04