R语言Knn算法中的训练集和测试集必须各占一半吗？

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

今天遇到一个很奇怪的问题，在R中用Knn算法实现数据集iris3聚类时，本来把50份数据按30份训练数据，20份测试数据进行编码时，运行出现错误，说是“训练集和类长度不一致（错误于knn.cv(train, test, cl, k = 3, prob = TRUE) :  'train' and 'class' have different lengths）”，但是仅仅把数据按照25作为训练集，25作为测试集则能运行通过。这是为什么呢？搞不懂。求坛里的大牛帮忙解释解释。感激不尽！（现在把代码都粘在下面）
library(FNN)
library(gmp)
library(rknn)

data(iris3)
  train <- rbind(iris3[1:30,,1], iris3[1:30,,2], iris3[1:30,,3])  #选前30个数据为训练数据
  test <- rbind(iris3[31:50,,1], iris3[31:50,,2], iris3[31:50,,3])#剩下的为测试数据
  cl <- factor(c(rep("s",30), rep("c",30), rep("v",30)))
  knn.cv(train, test, cl, k = 2, prob=TRUE)                         #进行KNN算法分类，此处出现错误

错误于knn.cv(train, test, cl, k = 3, prob = TRUE) :  'train' and 'class' have different lengths

#下面这份代码能运行通过
> data(iris3)
>     train <- rbind(iris3[1:25,,1], iris3[1:25,,2], iris3[1:25,,3])
>     test <- rbind(iris3[26:50,,1], iris3[26:50,,2], iris3[26:50,,3])
>     cl <- factor(c(rep("s",25), rep("c",25), rep("v",25)))
>     knn(train, test, cl, k = 3, prob=TRUE)

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享1 收藏1 回帖

关键词：Knn算法 测试集 R语言 knn 训练集 R语言 Knn算法 iris3 测试集 训练集

You can  explore  it have "ties".

你的第一段代码写错了：
最后一行应该是 knn(train, test, cl, k = 2, prob=TRUE) ，而不是用knn.cv,knn.cv是用来做cross validation的。
在使用knn.cv的时候，你的第二个参数应该是cl，而不是test，所以会报错。
p.s.不知道这个时候回答是不是太晚了。

该函数自动设立train和test集，是leave one out，只定一个是test，其余全部当做train。所以无需你去设置。