如何为K最近邻居算法输入预聚类数据

Question

我对我正在从事的项目有疑问。 我是RI的新手，我将不胜感激。

我在数据上使用k最近邻算法（使用类库中的knn函数）。 我读过某个地方，可以通过预先聚类数据来提高k近邻分类的效率。 我的问题是，如果我使用k均值对数据进行聚类，如何将数据输入到k最近邻算法？ 是否输入kmeans函数的结果，即具有聚类均值的数据集，还是将分配的聚类与数据组合，然后分别在每个聚类上运行k最近邻？ 请给一些指导。

我是该网站的新手，所以不确定如何正确地提出问题。 K最近邻居的代码如下。 数据有很多变量，因此我不打算赘述。

我正在尝试预测容易和困难病例的肺癌恶性肿瘤。 ClusterSIM（标签）具有2类0（简单）和1（硬）。

library(caret)
#Doing stratified Random Sampling
inTrain = createDataPartition(LIDC$ClusterSIM, p = 6.6/10, list = FALSE)

train1=LIDC[inTrain,]
train = train1[-65] #Removing the CLusterSIM (labels)column from training data
cc = train1[65] #creating a data.frame for ClusterSIM
c1 = as.vector(cc$ClusterSIM) # convert CLusterSIM (Labels) to a vector

test1 =LIDC[-inTrain,] #creating testing data
test = test1[-65] #removing labels from testing data

knn_predict = knn(train, test, c1, k=25)

#converting labels for testing data into factors so I can create a table.
test_val = test1[65]
test_val_factor = as.factor(test_val$ClusterSIM)

table(test_val_factor, knn_predict)

Answer 1

knn有几个库， class只是一个。 [*]

查看class::knn的文档，看来您不能给它加上前奏。

因此，搜索其他库。

[*]实际上，在R中，经常有几个竞争和不兼容的库来执行任何操作。