使用R得到KNN的不同结果

我使用类包中的knn函数和插入符号包中的knn3函数，使用K近邻算法来拟合a模型

我使用了

ISLR

包中的

Smarket

数据集。但是对于相同的K值，（K=10），我得到了不同的结果

使用knn函数得出的结果如下：

require(ISLR)
require(class)
require(caret)
str(Smarket)


trainx=Smarket[,-c(1,8,9)]
trainy=Smarket[,9]
set.seed(123)
knnm1=knn(trainx,trainx,trainy,k=10)
table(knnm1,trainy)

> table(knnm1,trainy)
      trainy
knnm1  Down  Up
  Down  352 206
  Up    250 442

set.seed(123)
knnm2=knn3(Direction ~ Lag1 + Lag2 + Lag3 + Lag4 + Lag5 + Volume,data=Smarket,k=10)
pred = predict(knnm2, Smarket, type = "class")
table(pred,Smarket[,9])

> table(pred,Smarket[,9])

pred   Down  Up
  Down  353 215
  Up    249 433

使用knn3函数得出的结果如下：

require(ISLR)
require(class)
require(caret)
str(Smarket)


trainx=Smarket[,-c(1,8,9)]
trainy=Smarket[,9]
set.seed(123)
knnm1=knn(trainx,trainx,trainy,k=10)
table(knnm1,trainy)

> table(knnm1,trainy)
      trainy
knnm1  Down  Up
  Down  352 206
  Up    250 442

set.seed(123)
knnm2=knn3(Direction ~ Lag1 + Lag2 + Lag3 + Lag4 + Lag5 + Volume,data=Smarket,k=10)
pred = predict(knnm2, Smarket, type = "class")
table(pred,Smarket[,9])

> table(pred,Smarket[,9])

pred   Down  Up
  Down  353 215
  Up    249 433

由于结果不同，我不知道哪个函数给出正确的结果

有人能帮我找出为什么这两个函数给出不同的结果吗

---

谢谢

有趣的区别，我已经做了几次，就是联系软件的“所有者”或“维护者”，以了解计算方式是否存在任何差异。也许试着向他们展示这种差异，看看他们是否意识到存在差异。看起来你的模型还可以，但我有一个问题。为什么有“knn（trainx，trainx，trainy，k=10）”和2 x trainx？您不应该只需要一个吗？@oaxacamatt根据knn函数的语法，它应该这样写。第一列X对应于训练数据。第二列X对应于测试数据。在我的模型中，我使用trainx训练模型，然后根据trainxOk预测结果，我尝试了一下，得到了与您相同的结果。。。嗯，你和教授或助教谈过了吗？@oaxacamatt谢谢你的检查。这实际上是一个自学练习。我们都在一起有趣的差异，我已经做过几次了，就是联系软件的“所有者”或“维护者”，以了解计算方式是否有任何差异。也许试着向他们展示这种差异，看看他们是否意识到存在差异。看起来你的模型还可以，但我有一个问题。为什么有“knn（trainx，trainx，trainy，k=10）”和2 x trainx？您不应该只需要一个吗？@oaxacamatt根据knn函数的语法，它应该这样写。第一列X对应于训练数据。第二列X对应于测试数据。在我的模型中，我使用trainx训练模型，然后根据trainxOk预测结果，我尝试了一下，得到了与您相同的结果。。。嗯，你和教授或助教谈过了吗？@oaxacamatt谢谢你的检查。这实际上是一个自学练习。我们都在一起