Finden nearest neighbor Namen von KKNN-package

Ich habe versucht, bauen auf dieses Programm oder finden Sie heraus, wie Sie Zugang zu dem, was KKNN tut, um Ihre Ergebnisse produzieren. Ich bin mit dem KKNN-Funktion und-Paket zu helfen, vorherzusagen, die Zukunft baseball-Statistiken. Es dauert in 11 unabhängigen Variablen (Vorjahr 3-Jahres-Statistiken, PA und Ebene, zusammen mit dem Alter und ein weiterer Prädiktor). Die Vorhersagen funktionieren Super, aber was ich hoffe, zu tun ist, wenn ich die Vorhersage nur ein Spieler (denn das wäre lächerlich, während die Vorhersage 100te Spieler), würde ich mag, um zu sehen, vielleicht die 3 nächsten Nachbarn für den Spieler in Frage stellen und Ihre bisherigen stats mit dem, was Sie produzierten das nächste Jahr. Ich bin sehr besorgt mit den Namen der nächsten Nachbarn, als zu wissen, welche Spieler am nächsten sind, geben den Kontext der Vorhersage, dass es macht.

Ich bin fein mit dem Versuch, Bearbeiten Sie den eigentlichen code der Funktion, wenn das der einzige Weg, um an diese. Auch das finden der Indizes wäre hilfreich, da kann ich backsolve von dort aus um die Namen. Ich danke Euch so sehr für all Ihre Hilfe!

Ist hier einige Beispiel-code, das sollte helfen:

name=c("McGwire,Mark","Bonds,Barry","Helton,Todd","Walker,Larry","Pujols,Albert","Pedroia,Dustin")
z
lag1=c(100,90,75,89,95,70)
lag2=c(120,80,95,79,92,90)
Runs=c(65,120,105,99,65,100)
full=cbind(name,lag1,lag2,Runs)
full=data.frame(full)
learn=full
learn
learn$lag1=as.numeric(as.character(learn$lag1))
learn$lag2=as.numeric(as.character(learn$lag2))
learn$Runs=as.numeric(as.character(learn$Runs))
valid=learn[5,]
learn=learn[-5,]
valid

k=kknn(Runs~lag1+lag2,learn,valid,k=2,distance=1)
summary(k)
fit=fitted(k)
fit

Hier ist die Funktion, die ich eigentlich aufrufen wenn, die Ihnen hilft, Ihre individuelle Antworten für workarounds! 

kknn(RVPA~(lag1*lag1LVL*lag1PA)+(lag2*lag2LVL*lag2PA)+(lag3*lag3LVL*lag3PA)+Age1‌​+PAsize, RV.learn, RV.valid,k=86, distance = 1,kernel = "optimal")

InformationsquelleAutor BaseballR | 2013-09-09

  1. 1

    Hier ist eine leicht modifizierte version von deinem Beispiel:

    full= data.frame(
name=c("McGwire,Mark","Bonds,Barry","Helton,Todd","Walker,Larry","Pujols,Albert","Pedroia,Dustin"),
lag1=c(100,90,75,89,95,70),
lag2=c(120,80,95,79,92,90),
Runs=c(65,120,105,99,65,100)
)

library(kknn)
train=full[full$name!="Bonds,Barry",]
test=full[full$name=="Bonds,Barry",]
k=kknn(Runs~lag1+lag2,train=train, test=test,k=2,distance=1)

    Diese prognostiziert Anleihen haben 80.2 läuft. Das Läuft variable verhält sich wie eine Klasse label und, wenn Sie anrufen k$CL Sie zurück zu bekommen 65 und 99 (die Anzahl der Durchläufe entsprechend der zwei nächsten Nachbarn). Es gibt zwei Spieler (McGwire, Pujols) mit 65 läuft und eins mit 99, man kann also nicht direkt sagen, wer die Nachbarn sind. Es scheint, dass die Ausgabe für kknn nicht enthalten eine Liste der nächsten Nachbarn auf die Probe gesetzt (obwohl Sie könnte wahrscheinlich wieder von den verschiedenen Ausgängen).

    Den FNN Paket, aber lassen Sie eine Abfrage gegen Ihre Trainingsdaten, wie Sie es möchten:

    library(FNN)
get.knnx(data=train[,c("lag1","lag2")], query=test[,c("lag1","lag2")],k=2)
$nn.index
 [,1] [,2]
[1,]    3    4

$nn.dist
     [,1] [,2]
[1,] 1.414214   13

train[c(3,4),"name"]
[1] Walker,Larry  Pujols,Albert

    Also nächste Nachbarn zu Anleihen sind Pujols und Walker.

    Interessant, danke für die Zeit nehmen zu Antworten! In meinem vollen dataset ich bin mit "optimalen" kernal für das kknn. Gibt es eine Möglichkeit an die Mode der FNN die Verwendung der gleichen kernal als kknn nur so ist es gewährleistet, dass Sie mit den gleichen Nachbarn? Das sieht aus wie eine Super Antwort, aber vielen Dank!!! Das Ziel zu wissen, was sind die nächsten Nachbarn ist um Kontext bereitzustellen, um die Vorhersage. Auch dann könnte ich die 40 nächsten Nachbarn und Ihre Entwicklungstrends zu kommen mit irgendeiner Art von Ausbruch/Zusammenbruch/Verbesserung/Rückbildung Anteil, basierend auf deren Statistiken, wenn das Sinn macht!
    Dies ist, was ich eigentlich aufrufen in meiner realen Funktion wie ich haben, um zu versuchen, und erstellen Sie die bekommen.knnx passend zu diesem, wie würde ich tun? kknn(RVPA~(lag1*lag1LVLlag1PA)+(lag2*lag2LVLlag2PA)+(lag3*lag3LVL*lag3PA)+Age1+PAsize, RV.lernen, RV.gültige,k=86, Abstand = 1,kernel = "optimal")

    InformationsquelleAutor Ryan Walker

Schreibe einen Kommentar