R语言kNN报错：调用外部函数时存在NA/NaN/Inf值（参数6）

报错原因分析 #

你的报错和警告来自两个核心问题：

• 非数值型特征无法被kNN处理：kNN基于距离计算，要求所有特征必须是数值型。你的train.Sz和test.Sz包含大量字符型分类变量（比如Miesiąc、Terminal、Towar等），直接传入knn()函数时会自动尝试转换，转换失败生成NA，触发警告和最终错误。
• k值设置不合理：k=202的数值可能远大于训练样本数量，导致算法无法找到足够的邻居。

分步解决方案 #

1. 对分类变量进行数值编码 #

需要将字符型/因子型分类变量转换为数值格式，推荐使用独热编码（适合无顺序的分类变量），用model.matrix实现：

# 将数据中的字符列转为因子，方便后续编码
data1[] <- lapply(data1, function(x) if(is.character(x)) factor(x) else x)

# 生成独热编码，去掉截距项避免多重共线性
encoded_data <- model.matrix(~ . -1, data = data1)

# 重新划分训练集和测试集
dat.d <- sample(1:nrow(encoded_data), size = nrow(encoded_data)*0.7, replace = FALSE)
train.Sz <- encoded_data[dat.d, ]
test.Sz <- encoded_data[-dat.d, ]

# 提取标签（对应原数据的Status.szkody列）
train.Sz_l <- data1$Status.szkody[dat.d]
test.Sz_l  <- data1$Status.szkody[-dat.d]

2. 检查并清理NA值 #

编码后可能残留少量NA，需要移除含NA的样本：

# 清理训练集NA
train.Sz <- na.omit(train.Sz)
train.Sz_l <- train.Sz_l[rownames(train.Sz)]

# 清理测试集NA
test.Sz <- na.omit(test.Sz)
test.Sz_l <- test.Sz_l[rownames(test.Sz)]

3. 合理设置k值 #

k值必须小于训练样本数，通常取训练样本数的平方根并设为奇数（避免平局）：

# 计算合理k值
k_val <- floor(sqrt(nrow(train.Sz)))
k_val <- if(k_val %% 2 == 0) k_val + 1 else k_val

# 运行kNN
library(class)
knn_result <- knn(train = train.Sz, test = test.Sz, cl = train.Sz_l, k = k_val)

完整修改后的代码 #

# 读取数据
data <- read.csv('~/Desktop/test1.csv', sep = ";")
data1 <- subset(data,select=c(4,5,6,7,8,12,15,16))

# 处理分类变量：字符转因子+独热编码
data1[] <- lapply(data1, function(x) if(is.character(x)) factor(x) else x)
encoded_data <- model.matrix(~ . -1, data = data1)

# 划分数据集
dat.d <- sample(1:nrow(encoded_data), size = nrow(encoded_data)*0.7, replace = FALSE)
train.Sz <- encoded_data[dat.d, ]
test.Sz <- encoded_data[-dat.d, ]

# 提取标签
train.Sz_l <- data1$Status.szkody[dat.d]
test.Sz_l  <- data1$Status.szkody[-dat.d]

# 清理NA值
train.Sz <- na.omit(train.Sz)
train.Sz_l <- train.Sz_l[rownames(train.Sz)]
test.Sz <- na.omit(test.Sz)
test.Sz_l <- test.Sz_l[rownames(test.Sz)]

# 计算k值并运行kNN
library(class)
k_val <- floor(sqrt(nrow(train.Sz)))
k_val <- if(k_val %% 2 == 0) k_val + 1 else k_val
knn_result <- knn(train = train.Sz, test = test.Sz, cl = train.Sz_l, k = k_val)

# 查看分类结果混淆矩阵
table(knn_result, test.Sz_l)

内容的提问来源于stack exchange，提问作者mzwk