1、导入数据

#mtcars：汽车性能数据集（32 款车，11 个指标）
#任务：用汽车性能特征预测变速箱类型（am：0 = 自动挡，1 = 手动挡）
#算法：KNN 分类（class 包标准 KNN）
#关键：KNN 必须做特征标准化（否则数值大的特征会主导距离）
# ====================== 1. 加载包与数据 ======================
# 安装包（仅第一次）
# install.packages("class")   # KNN算法
# install.packages("ggplot2") # 可视化
# install.packages("caret")   # 数据划分/评估

library(class)
library(ggplot2)
library(caret)

# 加载mtcars数据
data(mtcars)
df <- mtcars  # 重命名方便使用

# 查看数据结构
# 目标：am (0=自动挡, 1=手动挡) —— 分类标签
# 特征：所有其他列（排量、马力、重量等）
str(df)

'data.frame':   32 obs. of  11 variables:
 $ mpg : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
 $ cyl : num  6 6 4 6 8 6 8 4 4 6 ...
 $ disp: num  160 160 108 258 360 ...
 $ hp  : num  110 110 93 110 175 105 245 62 95 123 ...
 $ drat: num  3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
 $ wt  : num  2.62 2.88 2.32 3.21 3.44 ...
 $ qsec: num  16.5 17 18.6 19.4 17 ...
 $ vs  : num  0 0 1 1 0 1 0 1 1 1 ...
 $ am  : num  1 1 1 0 0 0 0 0 0 0 ...
 $ gear: num  4 4 4 3 3 3 3 4 4 4 ...
 $ carb: num  4 4 1 1 2 1 4 2 2 4 ...

head(df)

                                       mpg         cyl         disp  hp    drat            wt     qsec vs am gear     carb
Mazda RX4                    21.0           6          160 110   3.90         2.620  16.46  0  1    4            4
Mazda RX4 Wag            21.0           6          160 110   3.90         2.875  17.02  0  1    4            4
Datsun 710                    22.8           4          108  93    3.85         2.320  18.61  1  1    4            1
Hornet 4 Drive               21.4           6          258 110   3.08         3.215   19.44  1  0   3            1
Hornet Sportabout        18.7            8          360 175   3.15         3.440   17.02  0  0   3            2
Valiant                           18.1           6          225 105   2.76         3.460    20.22  1  0   3            1

数据可视化：

# ====================== 数据可视化：特征分布 =====================
# 用2个关键特征画散点图：重量(wt) + 马力(hp) → 区分变速箱类型
ggplot(df, aes(x=wt, y=hp, color=as.factor(am), shape=as.factor(am))) +
  geom_point(size=4) +
  labs(title="mtcars：重量 vs 马力（按变速箱类型分组）",
       x="车重 (1000lbs)", y="马力", color="变速箱", shape="变速箱") +
  scale_color_manual(labels=c("自动","手动"), values=c("red","blue")) +
  theme_minimal()

2、数据预处理

# ====================== 数据预处理（KNN 必须做！） ======================
# 1. 分离特征和标签
X <- df[, !names(df) %in% "am"]  # 特征：除am外所有列
Y <- as.factor(df$am)            # 标签：变速箱类型（转因子）

# 2. 特征标准化 (核心！KNN距离计算依赖标准化)
# 公式：(x - 均值) / 标准差
X_scaled <- scale(X)  

# 查看标准化后数据（均值≈0，标准差≈1）
summary(X_scaled)

3、数据集划分4、

# ====================== 划分训练集 / 测试集 (7:3) ======================
set.seed(123)  # 固定随机种子，结果可复现
trainIndex <- createDataPartition(Y, p = 0.7, list = FALSE)

# 训练集 / 测试集
train_X <- X_scaled[trainIndex, ]  # 标准化特征
test_X  <- X_scaled[-trainIndex, ]
train_Y <- Y[trainIndex]
test_Y <- Y[-trainIndex]

# 查看数据量
cat("训练集样本数：", length(train_Y), "\n")
cat("测试集样本数：", length(test_Y), "\n")

4、训练模型

# ====================== KNN 模型训练与预测 ======================
# KNN核心函数：knn(训练集, 测试集, 训练标签, K值)
k <- 5  # 初始K=5
knn_pred <- knn(
  train = train_X, 
  test  = test_X, 
  cl    = train_Y, 
  k     = k
)

# 查看预测结果
cat("K=5 预测结果：\n")
print(knn_pred)

5、模型评估

# ====================== 模型评估：准确率 + 混淆矩阵 ======================
# 混淆矩阵
cm <- table(真实=test_Y, 预测=knn_pred)
cat("\n======== 混淆矩阵 ========\n")
print(cm)

                预测
真实     0         1
    0      3         2
    1      0         3

# 计算准确率
accuracy <- sum(diag(cm)) / sum(cm)
cat("\n测试集准确率 =", round(accuracy * 100, 2), "%\n")

   测试集准确率 = 75 %

6、寻找最优K值

# ====================== 7. 最优K值搜索（自动找最佳K） ======================
k_values <- 1:15  # 尝试K=1到15
acc_list <- c()

for (k in k_values) {
  pred <- knn(train_X, test_X, train_Y, k=k)
  acc <- sum(pred == test_Y) / length(test_Y)
  acc_list <- c(acc_list, acc)
}

# 画K值-准确率曲线
k_result <- data.frame(K=k_values, 准确率=acc_list)
ggplot(k_result, aes(x=K, y=准确率)) +
  geom_line(color="darkgreen", linewidth=1) +
  geom_point(size=2, color="red") +
  labs(title="K值对KNN模型准确率的影响", x="K值") +
  theme_minimal()

# 输出最优K
best_k <- k_values[which.max(acc_list)]
best_acc <- max(acc_list)
cat("\n最优K值 =", best_k, "\n")
cat("最优K下最高准确率 =", round(best_acc*100,2), "%\n")

最优K值 = 10 
最优K下最高准确率 = 100 %