R语言实现简单距离判别函数

R语言中实现简单距离判别函数可以使用`knn`包中的`knn()`函数。该函数可以使用欧氏距离或曼哈顿距离进行分类。

下面是一个使用欧氏距离实现简单距离判别函数的示例代码：

library(knn)

# 创建训练集和测试集
train <- data.frame(x1 = c(1, 2, 3, 4, 5), x2 = c(1, 2, 3, 4, 5), class = c("A", "A", "B", "B", "B"))
test <- data.frame(x1 = c(6, 7), x2 = c(6, 7))

# 训练数据
model <- knn(train[, 1:2], test[, 1:2], train$class, k = 1, prob = TRUE, use.all = TRUE)

# 预测结果
prediction <- as.character(model$class)

# 输出预测结果
print(prediction)

在上面的代码中，我们首先导入`knn`包，然后创建一个训练集和一个测试集。训练集包含两个特征和一个分类变量，测试集包含两个特征。然后，我们使用`knn()`函数对测试集进行分类，其中`k`参数设置为1，表示使用最近邻分类。最后，我们将分类结果转换为字符型并输出。