我有一个训练数据集，包含28个变量（13个标签和15个特征）。还有一个测试数据集，包含15个特征，我需要根据这些特征预测测试数据集的标签。我为所有13个标签分别创建了KNN分类器。

有没有可能将这13个独立的标签KNN分类器合并成一个单一的多标签分类器？

我当前的单标签代码如下：

library(class)train_from_train <- train[1:600,2:16] target_a_train_from_train <- train[1:600,17] test_from_train <- train[601:800,2:16]target_a_test_from_train <- train[601:800,17] knn_pred_a <-knn (train = train_from_train, test = test_from_train, cl= target_a_train_from_train, k = 29) table(knn_pred_a, target_a_test_from_train)mean(knn_pred_a != target_a_test_from_train) knn_pred_a_ON_TEST <-knn (train = train[,2:16], test = test[2:16], cl= train[,17], k = 29) knn_pred_a_ON_TEST

我在网上搜索了很多，mldr包似乎是一个选项，但我无法将其适应我的需求。

回答：

你可以使用ARNN包来做这个。不过，据我所知，它并不是完全精确的。

library(RANN)library(reshape2)###### 生成一些样本数据并随机化顺序iris.knn <- iris[sample(1:150,150),]#添加第二个类iris.knn["Class2"] <- iris.knn[,5]=="versicolor"iris.knn$org.row.id <- 1:nrow(iris.knn)train <- iris.knn[1:100,]test <- iris.knn[101:150,]######### 获取最近邻nn.idx <- as.data.frame(nn2(train[1:4],query=test[1:4],k=4)$nn.idx)## 添加行IDnn.idx$test.row.id <- test$rowid#类别和行IDmulticlass.vec <- data.frame(row.id=1:150,iris.knn[,5:6])#每个最近邻一行melted <-melt(nn.idx,id.vars="row.id")merged <- merge(melted,multiclass.vec, by.x = "value",by.y="org.row.id")#聚合单个类aggregate(merged$Species, list(merged$row.id), function(x) names(which.max(table(x)))) #### 聚合所有类 all.classes <- melt(merged[c(2,4,5)],id.vars = "row.id") fun.agg <- function(x) {               if(length(x)==0){                 ""  #<-- 可能需要调整默认值。               }else{                 names(which.max(table(x)))               } } dcast(all.classes,row.id~variable, fun.aggregate=fun.agg,fill=NULL)

我只对单个类进行了聚合。要并行对所有类进行这一步骤，需要进行另一次melt操作，这会使代码变得非常混乱。