R - 从分类转换为 KNN 的数字

Question

我正在尝试使用 R 的 Caret 包来使用从 UCI 机器学习（link 到 data）应用于 "abalone" 数据库的 KNN。但是当有分类值时，它不允许使用 KNN。如何将分类值（在此数据库中："M","F","I"）分别转换为数值，例如 1,2,3？

Answer 1

通过read.table读入数据时，第一列数据为因子。那么

data$iGender = as.integer(data$Gender)

会起作用。如果他们是性格，绕道最简单：

data$iGender= as.integer(as.factor(data$Gender))

Answer 2

第一个答案似乎是个糟糕的主意。将 {"M","F","I"} 编码为 {1, 2, 3} 意味着 Infant = 3 * Male、Male = Female/2 等。

如果您使用公式方法，

KNN 通过 caret 确实允许分类值作为预测变量。否则你需要将它们编码为二进制 dummy variables。

此外，展示您的代码并有一个可重现的示例会有很大帮助。

最大

Answer 3

在数据集中使用 kNN 算法的最简单方法之一，其中一个特征是分类的：如您提到的 "M"、"F" 和 "I" 如下：就在您的 CVS 或 Excel 文件中，您的数据集存在，在右栏中继续并将 M 更改为 1，将 F 更改为 2，将 I 更改为 3。在这种情况下，您的数据集中有离散值，您可以轻松地使用 R.

使用 kNN 算法

Answer 4

You can simply read the file with stringsAsFactors = TRUE

例子

data_raw<-read.csv('...../credit-default.csv', stringsAsFactors = TRUE)

stringasfactors 将用数字替换 Char 数据类型

Answer 5

尝试使用 R 中的 knncat 包，它将分类变量转换为对应的数值。

Here's the link for the package

R - 从分类转换为 KNN 的数字

R - convert from categorical to numeric for KNN

r

knn

r-caret

categorical-data