# ====================== 1. 安装并加载需要的包 ======================
# 如果没装过，先运行下面这行（只装一次）
# install.packages("kknn")
# install.packages("ggplot2")
# install.packages("caret")

library(kknn)     # 加权K近邻算法
library(ggplot2)   # 可视化
library(caret)     # 数据划分、评估

# ====================== 2. 查看并探索 iris 数据 ======================
data(iris)         # 加载经典鸢尾花数据集
str(iris)          # 查看数据结构：4个特征 + 1个分类标签Species
head(iris)         # 查看前5行

# 查看类别分布（3种花）
table(iris$Species)

# ====================== 3. 数据可视化：观察数据分布 ======================
# 用前两个特征画散点图（颜色=品种）
ggplot(iris, aes(Sepal.Length, Sepal.Width, color = Species)) +
  geom_point(size = 3) +
  ggtitle("鸢尾花数据分布（萼片长度 vs 萼片宽度）") +
  theme_minimal()

1、训练模型

# ====================== 4. 划分训练集 / 测试集 ======================
set.seed(123)  # 固定随机种子，结果可复现

# 70%训练，30%测试
trainIndex <- createDataPartition(iris$Species, p = 0.7, list = FALSE)
train <- iris[trainIndex, ]   # 训练集
test  <- iris[-trainIndex, ]  # 测试集

# ====================== 5. 使用 kknn 训练加权K近邻模型 ======================
# formula: 品种 ~ . （用所有特征预测品种）
# train = 训练集，test = 测试集
# k = 近邻数（常用5~15）
# kernel = 加权方式（"optimal"最优加权）
model_kknn <- kknn(
  formula = Species ~ ., 
  train   = train, 
  test    = test, 
  k       = 5,          # 选5个近邻
  kernel  = "optimal"   # 加权核函数
)

# 查看模型预测结果
pred <- model_kknn$fitted.values  # 模型预测的标签
head(pred)                         # 前5个预测结果

2、模型评估

# ====================== 6. 模型评估：准确率 + 混淆矩阵 ======================
cat("======== 模型准确率 ========\n")
acc <- sum(pred == test$Species) / nrow(test)
cat("测试集准确率 =", round(acc * 100, 2), "%\n\n")

# 混淆矩阵
cat("======== 混淆矩阵 ========\n")
cm <- table(真实=test$Species, 预测=pred)
print(cm)

测试集准确率 = 93.33 %

                                预测
    真实       setosa  versicolor  virginica
  setosa         15           0              0
  versicolor      0          14             1
  virginica        0            2            13

3、可视化预测结果

# ====================== 7. 结果可视化：预测正确 vs 错误 ======================
# 给测试集增加一列：是否预测正确
test$预测结果 <- ifelse(test$Species == pred, "正确", "错误")

# 画图：颜色=真实品种，形状=预测是否正确
ggplot(test, aes(Sepal.Length, Sepal.Width, color = Species, shape = 预测结果)) +
  geom_point(size = 4, stroke = 1.2) +
  ggtitle("kknn 模型预测结果（三角形=预测错误）") +
  scale_shape_manual(values = c(19, 17)) +  # 圆形=正确，三角形=错误
  theme_minimal()

4、自动寻优

# ====================== 8. 寻找最优K值（自动搜索） ======================
# 尝试K=1~30，看哪个准确率最高
k_values <- 1:30
acc_list <- c()

for (k in k_values) {
  fit <- kknn(Species ~ ., train, test, k = k, kernel = "optimal")
  acc <- sum(fit$fitted.values == test$Species) / nrow(test)
  acc_list <- c(acc_list, acc)
}

# 画K值与准确率关系图
ggplot(data.frame(K=k_values, 准确率=acc_list), aes(K, 准确率)) +
  geom_line(color="blue", linewidth=1) +
  geom_point(size=2) +
  ggtitle("不同K值对 kknn 模型准确率的影响") +
  theme_minimal()

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

最优K值 = 5 

最优K下准确率 = 93.33