排查KNN最优k值查找for循环代码的计算错误

看起来你在调优KNN的k值时遇到了结果不正确的问题，我帮你梳理下代码里的几个关键问题：

• 初始化错误：你写了bestaccuracy = 0 bestaccuracy，这是语法错误；而且bestk没有提前初始化，第一次赋值时可能会报错或者得到不可预期的结果。应该明确初始化这两个变量。
• 随机种子位置错误：把set.seed(1)放在for循环内部，会导致每次循环都重置随机种子，这样每个k对应的交叉验证划分都是完全一样的，这会让你的交叉验证结果失去统计意义，无法正确比较不同k值的性能。应该把种子设置放在循环外面。
• 冗余的条件判断：你写了两次if(bestaccuracy < knn.cvac.accuracy)，完全可以合并成一次，同时更新bestk和bestaccuracy，让代码更简洁。
• k值范围可能不合理：设置n.folds <- 100意味着你要测试k从1到100，但KNN的k值过大时模型会过于平滑，且如果k超过训练集样本数的一半，实际意义不大。通常建议测试较小的奇数（避免分类平局），比如1到21之间的奇数。

修正后的代码 #

# Tune the value of K using K-Fold Cross Validation
bestaccuracy <- 0
bestk <- 1  # 提前初始化bestk
n.folds <- 21  # 调整为更合理的k值范围

set.seed(1)  # 随机种子放在循环外，保证交叉验证划分的一致性
for (k in 1:n.folds) {
  knn.cvac <- knn.cv(train = x.australian.stan, cl = y.australian, k = k)
  knn.cvac.table <- table(knn.cvac, y.australian)
  knn.cvac.accuracy <- sum(diag(knn.cvac.table)) / sum(knn.cvac.table)
  
  # 合并条件判断，同时更新最优k和对应准确率
  if (bestaccuracy < knn.cvac.accuracy) {
    bestk <- k
    bestaccuracy <- knn.cvac.accuracy
  }
}

print(bestk)
print(bestaccuracy)

额外优化：可视化k值与准确率的关系 #

你可以新增代码记录每个k的准确率，通过绘图直观观察最优k的变化趋势：

# 新增向量存储每个k对应的准确率
accuracy_list <- c()
set.seed(1)
for (k in 1:n.folds) {
  knn.cvac <- knn.cv(train = x.australian.stan, cl = y.australian, k = k)
  knn.cvac.table <- table(knn.cvac, y.australian)
  acc <- sum(diag(knn.cvac.table)) / sum(knn.cvac.table)
  accuracy_list <- c(accuracy_list, acc)
  
  if (bestaccuracy < acc) {
    bestk <- k
    bestaccuracy <- acc
  }
}

# 绘制k值调优曲线
plot(1:n.folds, accuracy_list, type = "b", xlab = "k值", ylab = "交叉验证准确率", main = "KNN k值调优曲线")
points(bestk, bestaccuracy, col = "red", pch = 19)
text(bestk, bestaccuracy, labels = paste("最优k=", bestk), pos = 4)

内容的提问来源于stack exchange，提问作者datagekko