如何在R中使用KNN分类对新样本（年薪32000、行业1）预测性别？

要预测新样本（年薪32000、行业1）的性别，核心是让新样本的特征和训练数据采用完全相同的归一化规则，具体操作如下：

1. 获取原始训练数据的特征极值 #

你的归一化函数基于iwg数据集的SalaryInUSD和Industry的最大、最小值计算，先提取这两个特征的原始统计量：

# 提取原始数据的极值，用于后续归一化
salary_min <- min(iwg$SalaryInUSD)
salary_max <- max(iwg$SalaryInUSD)
industry_min <- min(iwg$Industry)
industry_max <- max(iwg$Industry)

2. 对新样本做归一化处理 #

不能直接用原始值输入KNN，必须按照训练数据的归一化规则转换：

# 创建新样本数据框
new_sample <- data.frame(SalaryInUSD = 32000, Industry = 1)

# 执行归一化，与训练集规则完全一致
new_sample$SalaryInUSD <- (new_sample$SalaryInUSD - salary_min) / (salary_max - salary_min)
new_sample$Industry <- (new_sample$Industry - industry_min) / (industry_max - industry_min)

3. 调用KNN进行预测 #

沿用你训练时的参数（k=24），传入训练集、归一化后的新样本和训练集的性别标签：

library(class)
set.seed(12) # 保持随机种子一致，确保结果可复现
new_pred <- knn(train = mstr, test = new_sample, cl = iwg[1:450, 3], k = 24)

# 查看预测结果
print(new_pred)

关键注意事项 #

• 归一化是KNN的核心前提，新样本必须和训练集共享同一套极值计算逻辑，否则距离计算会失效，导致预测结果不可靠。
• 从你提供的混淆矩阵来看，模型对女性样本的预测准确率更高（71/77），男性样本的误判率较高（30/42），预测结果可结合这一特性参考。

内容的提问来源于stack exchange，提问作者Alex