KFold交叉验证的R中KNN文本分类

我创建了一个文本分类器使用进行分类注释成各种类别，如KFold交叉验证的R中KNN文本分类

 Comment       Category 
Good Service provided     Service 
Excellent Communication     Communication

我已经做了分类：

knn(modeldata[train, ], modeldata[test,] , cl[train], k =2, use.all = TRUE)

现在我想使用K-Fold Cross Validation评估此模型。我期待一些，我可以用它来知道如果模型过拟合或欠拟合等

我用

knn.cv(modeldata[train, ], cl[train], k =2, use.all = TRUE)

但这个命令的帮助，表示将返回NA如果模型是困惑。请指导

来源

2016-10-17 Sourabh

您为knn使用哪个软件包？您可以使用插入符，对于CV如下内容（例如与虹膜数据集）：

training <- iris 
ctrl <- trainControl(method="repeatedcv",repeats = 3) 
knnFit <- train(Species ~ ., data = training, method = "knn", 
       trControl = ctrl, preProcess = c("center","scale")) 
knnFit

与输出

k-Nearest Neighbors 

150 samples 
    4 predictor 
    3 classes: 'setosa', 'versicolor', 'virginica' 

Pre-processing: centered (4), scaled (4) 
Resampling: Cross-Validated (10 fold, repeated 3 times) 
Summary of sample sizes: 135, 135, 135, 135, 135, 135, ... 
Resampling results across tuning parameters: 

    k Accuracy Kappa  
    5 0.9511111 0.9266667 
    7 0.9577778 0.9366667 
    9 0.9533333 0.9300000 

Accuracy was used to select the optimal model using the largest value. 
The final value used for the model was k = 7.

来源

2016-10-17 08:01:13

我使用“类”包KNN。我不确定是否因为虹膜数据集中的列数，上述代码适用于虹膜数据集，但不适用于我的数据集（只有两列）。当我运行上面的命令时，我得到下面的消息：在preProcess.default中的警告（thresh = 0.95，k = 5，method = c（“center”，：这些变量有零差异： – Sourabh

我也试过下面的语句，错误消息：。knnFit1 < - train（Category_Text，data = x， method =“knn”， preProcess = NULL， trControl = trainControl（method =“cv”，number = 5，。classProbs = FALSE））。错误消息：结果中的一个或多个因素级别没有数据。查看所有因素，但未找到任何空白/空白级别 – Sourabh

KFold交叉验证的R中KNN文本分类

回答

相关问题