组合R.（K原型距离度量和KNN算法）的代码->新代码/包

Question

我在使用KNN算法时遇到了麻烦，因为我既拥有分类变量，也拥有数值变量。 不幸的是，我找不到R的程序包，该程序包可以组合两种类型的变量。 K-Means还依赖于接近度度量，我知道kproto包能够组合混合变量（对于数值而言为欧几里德，对于分类而言为众数）。 你们知道使用类似方法的KNN算法软件包吗？

还是有一种方法可以更改knn的代码，并将其与K-means中计算距离的代码部分结合起来？ 我找到了这个：

  # compute distances 
  dists <- matrix(NA, nrow=nrow(x), ncol = k)
  nrows <- nrow(x)
  for(i in 1:k){
    #a0 <- proc.time()[3]      
    #d1 <- apply(x[,numvars],1, function(z) sum((z-protos[i,numvars])^2)) # euclidean for numerics
    d1 <- (x[,numvars, drop = FALSE] - matrix(rep(as.numeric(protos[i,numvars, drop = FALSE]), nrows), nrow=nrows, byrow=T))^2
    if(length(lambda) == 1) d1 <- rowSums(d1)
    if(length(lambda) > 1) d1<- d1 %*% lambda[numvars]
    #a1 <- proc.time()[3]      
    #d2 <- lambda * apply(x[,catvars],1, function(z) sum((z != protos[i,catvars]))) # wtd simple matching for categorics 
    d2 <- sapply(which(catvars), function(j) return(x[,j] != rep(protos[i,j], nrows)) )
    if(length(lambda) == 1) d2 <- lambda * rowSums(d2)
    if(length(lambda) > 1) d2 <- d2 %*% lambda[catvars]
    #a2 <- proc.time()[3]      
    dists[,i] <- d1 + d2
    #cat(a1-a0, a2-a1, "\n")
  }

资料来源： https : //rdrr.io/cran/clustMixType/src/R/kprototypes.R

因此，实际上我有两个问题：A）您是否知道一个使用相似性度量的软件包，该度量能够处理KNN的混合数据类型？ （n = 120,000）

B）如果没有，您认为将这两个代码结合起来是现实的吗？

干杯，

马丁