-1
有誰知道爲什麼下面的KNN R代碼對不同的種子給出不同的預測? 由於K < -5這很奇怪,因此大多數都是明確定義的。另外,在數據問題的精確度下,浮點數不會太小。 (注:我知道測試是從訓練古怪不同這只是創建證明奇怪KNN行爲的合成例子)問:KN中的R - 奇怪的行爲
library(class)
train <- rbind(
c(0.0626015, 0.0530052, 0.0530052, 0.0496676, 0.0530052, 0.0626015),
c(0.0565861, 0.0569546, 0.0569546, 0.0511377, 0.0569546, 0.0565861),
c(0.0538332, 0.057786, 0.057786, 0.0506127, 0.057786, 0.0538332),
c(0.059033, 0.0541484, 0.0541484, 0.0501926, 0.0541484, 0.059033),
c(0.0587272, 0.0540445, 0.0540445, 0.0505076, 0.0540445, 0.0587272),
c(0.0578095, 0.0564349, 0.0564349, 0.0505076, 0.0564349, 0.0578095)
)
trainLabels <- c(1,
1,
0,
0,
1,
0)
test <- c(0.1923241, 0.1734074, 0.1734074, 0.1647619, 0.1734074, 0.1923241)
K <- 5
set.seed(494139)
pred <- knn(train=train, test=test, cl = trainLabels, k=K)
message("predicted: ", pred, ", seed: ", seed)
# **predicted: 1**, seed: 494139
set.seed(5371)
pred <- knn(train=train, test=test, cl = trainLabels, k=K)
message("predicted: ", pred, ", seed: ", seed)
# **predicted: 0**, seed: 5371
你的問題到底是什麼? R代碼中有一個錯誤:最後一個測試假設使用與第二個相同的種子,但它並不是因爲它沒有設置。這是你的困惑的根源嗎? – AlexR