R语言基于KNN算法实现蘑菇毒性识别

R语言：基于KNN算法实现蘑菇毒性识别

平台：Ubuntu16.04LTS   RStudio

数据集介绍：

trainData.txt  训练数据集。包含4339个样本（行），每个样本共6个特征（列），其中前5列为蘑菇样本的特征值，第6列为蘑菇的毒性属性，0表示无毒，1表示有毒。（74个样本有毒，4265个样本无毒）

testData.txt:  测试数据集。包含500个带测试的样本（行），每个样本共5个特征值（列）。

要求：利用测试集训练模型，识别出测试集中的蘑菇毒性。

代码：

library(class) #含knn（）函数
mushroom_trainData<-read.table("/home/huhao/data/trainData.txt",header = FALSE,sep = ",")#导入训练集数据，保存在数据集中
mushroom_testData<-read.table("/home/huhao/data/testData.txt",header = FALSE,sep = ",")#导入测试集数据，保存在数据集中
#自建函数，将数据标准化（归一化），即：值域为0到1
normalize<-function(x)
{
   return((x-min(x))/(max(x)-min(x)))
}

mushroom_train_n<-as.data.frame(lapply(mushroom_trainData[1:5],normalize))#标准化训练集数据
mushroom_test_n<-as.data.frame(lapply(mushroom_testData[1:5],normalize))#标准化测试集数据
mushroom_train<-mushroom_train_n[1:148,]#选取已标准化的训练集数据，此步骤还有很多工作可做。此处所采用暴力方法仅为平衡数据！！
mushroom_test<-mushroom_test_n[1:500,]#选取测试数据
mushroom_train_labels<-mushroom_trainData[1:148,6]#训练集样本的标签（毒性）

pre_mushroom<-knn(train = mushroom_train,test = mushroom_test,cl =mushroom_train_labels,k=3)#knn训练模型
pre_mushroom#展示结果
table(pre_mushroom)#查看结果的毒蘑菇数量

注：数据的平衡性对预测结果有较大影响，需重视！

另：数据选取时可对不同的特征给予不同的权重，对提高分类正确率有帮助！

        采用暴力抽取训练集数据方法，在此例中正确率仅80%左右，待改进

PS:    R与机器学习菜鸡一枚，望各位大神多多指正，口下留情。