使用R语言进行鸢尾花分类的k最近邻算法

使用R语言进行鸢尾花分类的k最近邻算法

k最近邻算法（k-Nearest Neighbors，简称kNN）是一种经典的机器学习算法，常用于分类问题。在这篇文章中，我们将使用R语言实现kNN算法来对鸢尾花进行分类。我们将展示完整的源代码，并详细解释每个步骤。

首先，我们需要加载所需的R包。在这个例子中，我们将使用caret包来处理数据集和建立模型。

library(caret)

接下来，我们将加载鸢尾花数据集。R语言中有一个内置的鸢尾花数据集iris，它包含了150个样本，每个样本有4个特征（花萼长度、花萼宽度、花瓣长度和花瓣宽度），并且分为3个类别（Setosa、Versicolor和Virginica）。

data(iris)

我们可以使用head()函数来查看数据集的前几行，以确保数据已正确加载。

head(iris)

接下来，我们将划分数据集为训练集和测试集。训练集将用于构建kNN模型，而测试集将用于评估模型的性能。在这个例子中，我们将80%的数据分配给训练集，20%的数据分配给测试集。

set.seed(123)  # 设置随机种子，以确保结果可重复

trainIndex <- createDataPartition