假设我有一个如下所示的数据框：

Feature 1     Feature 2     Feature 3     Feature 4     Target    1             1             1             1            a    0             1             0             0            a     0             1             1             1            b

以及一个如下所示的向量：

0, 1, 1, 1

如何找到与该向量最匹配的行的索引？例如，如果我想找到最接近的两行，我会输入向量和数据框（可能去掉目标列），然后函数会返回索引1和3，因为这两行最接近向量“0, 1, 1, 1”。

我尝试使用R语言的“caret”包，命令如下：

intrain <- createDataPartition(y = data$Target, p= 0.7, list = FALSE)training <- data[intrain,]testing <- data[-intrain,]trctrl <- trainControl(method = "repeatedcv", number = 10, repeats = 3)knn_fit <- train(Target~., data = training, method = "knn", trControl = trctrl, preProcess = c("center", "scale"), tuneLength = 10)test_pred <- predict(knn_fit, newdata = testing)print(test_pred)

然而，这并不会返回匹配行的索引。它只会返回与测试数据集最接近的特征的目标预测值。

我希望找到一个类似于python中sklearn的KDtrees模型的模型/命令/函数，但在R语言中（KDtrees可以返回n个最接近的索引列表）。此外，虽然不是必需的，我希望该模型能够处理特征的分类值（如TRUE/FALSE），这样我就不必像这里用1和0那样创建虚拟变量了。

回答：

同意42的评论。使用简单的距离度量，第1行与向量的差异与第2行一样大。

# 你的数据featureframe <- data.frame(Feature1 = c(1,0,0), Feature2 = c(1,1,1),                            Feature3 = c(1,0,1), Feature4 = c(1,1,1),                            Target = c("a","a","b"))vec <- c(0,1,1,1)distances <- apply(featureframe[,1:4], 1, function(x) sum((x - vec)^2))distances# [1] 1 1 0

根据评论进行的编辑：

为了衡量分类上的相似性，你可以量化一个相似性度量，其中向量之和越接近向量的长度，两者就越接近：

similarity <- apply(featureframe[,1:4], 1, function(x) sum(x == vec))

如果你想对某些特征进行加权，可以在函数内将相似性向量乘以一个等长的权重向量。

similarity <- apply(featureframe[,1:4], 1, function(x) sum((x == vec) * c(1,2,1,1)))