R-KNN从分类到数字的转换

我正在尝试使用R的插入符号包来使用应用于鲍鱼数据库的KNN，从UCI机器学习链接到。但当存在分类值时，它不允许使用KNN。 如何将该数据库中的分类值：M、F、I分别转换为数字值，如1、2、3？

通过read.table读取数据时，第一列中的数据是因子。然后

data$iGender = as.integer(data$Gender) 

会有用的。如果它们是字符，则迂回通过因子最简单：

data$iGender= as.integer(as.factor(data$Gender))

---

第一个答案似乎是个非常糟糕的主意。将{M，F，I}编码为{1，2，3}意味着婴儿=3*男性，男性=女性/2，依此类推

如果使用公式方法，KNN通过插入符号允许分类值作为预测值。否则，您需要将它们编码为二进制

此外，展示您的代码并提供一个可复制的示例会有很大帮助

---

Max

在数据集中使用kNN算法的最简单方法之一，其中一个特征是分类的：如您所述的M、F和I，如下所示： 仅在数据集所在的CVS或Excel文件中，在右边的列中继续，并将M更改为1，F更改为2，I更改为3。在这种情况下，您的数据集中有离散值，您可以使用R轻松地使用kNN算法

您只需读取stringsAsFactors=TRUE的文件即可

范例

data_raw<-read.csv('...../credit-default.csv', stringsAsFactors = TRUE)

---

stringasfactors将提供字符数据类型的数字替换

尝试使用R中的knncat包，该包将分类变量转换为数字对应项

---

非常感谢。我试图使用数据[1]而不是$V1。这对于无序的分类变量是个坏主意。实际上，这种编码对于基于树的算法（例如xgboost）非常有用，并且在scikit learn的LabelEncoder预处理库中使用。我只是想看看R是否内置了这种功能。请问如何使用插入符号中的公式方法来允许分类变量？我可以直接抛出一个数据集k=trainy~，method='knn'，trControl=train.control，preProcess=c'scale'，center'，pca'，data=data.frametrain和分类变量吗？