使用数据集iris， 验证Petal.Length, Petal.Width两个特征的分类能力。代码如下：
with(iris, plot(Petal.Length, Petal.Width, col=as.integer(Species))) text(2.2, 0.3, "setosa") text(3.0, 1.3, "versicolor") text(6.5, 1.7, "virginica")
调用kknn函数进行模型训练与预测，代码如下：
library(kknn) data(iris) m <- dim(iris)[1] #获取数据集记录条数 val <- sample(1:m, size =round(m/3), replace = FALSE, prob= rep(1/m, m)) #抽样，选取三分之二的数据作为训练集。 iris.learn <- iris[-val,] #选取训练集 iris.valid <- iris[val,] #选取验证集
#训练模型并进行预测分类 iris.kknn <- kknn(Species~Petal.Length Petal.Width,iris.learn, iris.valid, k=7, distance=2) summary(iris.kknn) #查看分类结果
#判定分类准确性 fit <- fitted(iris.kknn) table(iris.valid$Species, fit)
代码语言：javascript复制 最终结果：可以看出，只有两个个记录被误分类。以可视化方式呈现误分类情况，调用如下代码：pcol <- as.character(as.numeric(iris.valid$Species)) plot(iris.valid[3:4], pch = pcol, col = c("green3", "red") [(iris.valid$Species != fit) 1])
