编写R语言函数实现距离判别

距离判别（Distance-based discrimination）是一种基于样本之间距离的分类方法。下面是一个简单的R语言函数，用于实现距离判别：

distance_discrimination <- function(train_x, train_y, test_x, k = 3, distance = "euclidean") {
  # 计算训练集和测试集之间的距离
  dist_mat <- dist(rbind(train_x, test_x), method = distance)[1:nrow(test_x), -(1:nrow(train_x))]
  
  # 对测试集样本进行分类
  pred_y <- rep(NA, nrow(test_x))
  for (i in seq_len(nrow(test_x))) {
    # 找到测试集样本的k个最近邻
    nn_idx <- order(dist_mat[i, ], decreasing = FALSE)[1:k]
    nn_labels <- train_y[nn_idx]
    
    # 统计最近邻中各类别出现的频率
    freq <- table(nn_labels)
    
    # 根据频率最高的类别进行分类
    pred_y[i] <- names(which.max(freq))
  }
  
  return(pred_y)
}

其中，`train_x`为训练集的特征矩阵，`train_y`为训练集的类别标签，`test_x`为测试集的特征矩阵，`k`为最近邻个数，`distance`为距离度量方法。默认情况下使用欧氏距离。函数返回的`pred_y`为测试集的预测类别标签。