KNN使用R - 在生產

Question

我有一些虛擬數據由99行數據組成，一列是 自由文本數據，一列是cateogry。它已被分類爲客戶服務或未與客戶服務相關。

我將99行數據傳遞到我的R腳本中，創建了一個語料庫，清理並解析了我的數據並將其轉換爲DocumentTermMatrix。然後我將DTM轉換爲數據框以便於查看。我將該類別綁定到我的新數據框。然後我將它分爲50/50，這樣我的訓練集中就有50排，我的測試集中有49排。我也拉出了類別。

train <- sample(nrow(mat.df), ceiling(nrow(mat.df) * .5)) 
test <- (1:nrow(mat.df))[- train] 
cl <- mat.df[, "category"] 

然後我創建了剝離出來類別列模型，並通過這種新的模式，以我的KNN

knn.pred <- knn(modeldata[train, ], modeldata[test, ], cl[train]) 
conf.mat <- table("Predictions" = knn.pred, Actual = cl[test]) 
conf.mat 

那麼我可以計算出準確度，生成交叉表或預測出口測試模型的準確性。

我現在正努力想要得到我的頭，我是如何使用新數據前進的模型。

因此，如果我有10個新的自由文本數據行尚未被手動分類，然後我如何運行我剛創建的knn模型來分類這些額外的數據？

也許我只是誤解下一個過程。

感謝，

Answer 1

你剛發現的保持退出測試中的表現用同樣的方法：

knn.pred.newdata <- knn(modeldata[train, ], completely_new_data, cl[train]) 

在KNN模型，訓練數據本質上是模型的一部分。既然它只是找到最近的訓練點，如果你沒有他們的座標，你怎麼知道這些是什麼？這就是說，你爲什麼要使用KNN模型而不是更現代的東西（支持向量機，隨機森林，Boosted樹，神經網絡）？ KNN模型與數據點的數量相差甚遠。