【二分类因变量机器学习】R语言10-KNN机器学习模型（标准化代码）

# 设置工作目录和清理环境
rm(list = ls())
if (!is.null(dev.list())) dev.off()
setwd("C:/Users/hyy/Desktop/")

# 创建结果文件夹
if (!dir.exists("Results-knn")) dir.create("Results-knn")

# 加载必要的包
if (!require(pacman)) install.packages("pacman")
pacman::p_load(readxl, writexl, dplyr, caret, class, pROC, ggplot2, officer, flextable, gridExtra, showtext)

# 设置全局中文字体支持
font_add(family = "simhei", regular = "simhei.ttf") # 添加黑体
font_add(family = "simsun", regular = "simsun.ttc") # 添加宋体
showtext_auto(enable = TRUE) # 启用showtext

# 设置图形设备参数（适用于基础绘图）
if (.Platform$OS.type == "windows") {
  windowsFonts(SimHei = windowsFont("SimHei"))
  windowsFonts(SimSun = windowsFont("SimSun"))
  chinese_font <- "SimHei"
} else {
  chinese_font <- "sans"
}

# 1. 数据准备
data <- read_excel("示例数据.xlsx")

# 将分类变量转换为因子
data$`肥胖程度` <- as.factor(data$`肥胖程度`)
data$`教育水平` <- as.factor(data$`教育水平`)
data$`血型` <- as.factor(data$`血型`)
data$`指标8` <- as.factor(data$`指标8`)
data$`结局` <- as.factor(data$`结局`)

# 分层抽样划分训练集和测试集
set.seed(1234)
train_index <- sample(1:nrow(data), nrow(data)*0.8) # 取80%做训练集
Train <- data[train_index, ]
Test <- data[-train_index, ]

# 保存数据集
write_xlsx(Train, "Results-knn/Train.xlsx")
write_xlsx(Test, "Results-knn/Test.xlsx")
write_xlsx(data, "Results-knn/All.xlsx")

# 2. KNN模型准备
# 提取需要的特征
Trainknn <- Train[, c("指标1", "指标2", "指标3", "指标4", "指标5", "指标6")]
Testknn <- Test[, c("指标1", "指标2", "指标3", "指标4", "指标5", "指标6")]

# 变量处理标准化
preProc <- preProcess(Trainknn, method = c("center", "scale"))
Trainknn_scaled <- predict(preProc, Trainknn)
Testknn_scaled <- predict(preProc, Testknn)

# 3. 寻找最佳K值

# 调整概率值，使其反映正确的类别概率
knn_prob_adjusted <- ifelse(knn_pred == "1", knn_prob, 1 - knn_prob)

# 5. 模型评估
# 计算准确率
accuracy <- mean(knn_pred == Test$结局)

# 构建混淆矩阵
conf_matrix <- confusionMatrix(knn_pred, Test$结局, positive = "1")

# 计算AUC值
roc_result <- roc(as.numeric(Test$结局), as.numeric(knn_prob_adjusted))
auc_value <- auc(roc_result)

# 提取性能指标
sensitivity <- conf_matrix$byClass["Sensitivity"]
specificity <- conf_matrix$byClass["Specificity"]
precision <- conf_matrix$byClass["Precision"]
recall <- conf_matrix$byClass["Recall"]
f1_score <- conf_matrix$byClass["F1"]

# 6. 可视化
# 绘制ROC曲线
jpeg("Results-knn/ROC_curve.jpg", width = 800, height = 600)
plot(roc_result, 
     print.auc = TRUE, 
     auc.polygon = TRUE, 
     grid = c(0.1, 0.2), 
     grid.col = c('green', 'red'), 
     max.auc.polygon = TRUE, 
     auc.polygon.col = 'steelblue',
     main = "KNN模型ROC曲线")
dev.off()

pdf("Results-knn/ROC_curve.pdf", width = 8, height = 6)
plot(roc_result, 
     print.auc = TRUE, 
     auc.polygon = TRUE, 
     grid = c(0.1, 0.2), 
     grid.col = c('green', 'red'), 
     max.auc.polygon = TRUE, 
     auc.polygon.col = 'steelblue',
     main = "KNN模型ROC曲线")
dev.off()

# 绘制K值选择图
jpeg("Results-knn/k_selection.jpg", width = 800, height = 600)
plot(knn_model, main = "K值选择与模型准确率")
dev.off()

pdf("Results-knn/k_selection.pdf", width = 8, height = 6)
plot(knn_model, main = "K值选择与模型准确率")
dev.off()

# 7. 保存结果
# 保存预测结果
results_table <- data.frame(
  实际值 = Test$结局,
  预测类别 = knn_pred,
  预测概率 = knn_prob_adjusted
)
write_xlsx(results_table, "Results-knn/predictions.xlsx")

# 保存模型性能指标

# 8. 创建Word报告
doc <- read_docx()
doc <- body_add_par(doc, "KNN模型分析报告", style = "heading 1")
doc <- body_add_par(doc, paste0("分析日期: ", Sys.Date()), style = "Normal")

doc <- body_add_par(doc, "数据概览", style = "heading 2")
doc <- body_add_par(doc, paste0("总样本量: ", nrow(data)), style = "Normal")
doc <- body_add_par(doc, paste0("训练集样本量: ", nrow(Train)), style = "Normal")
doc <- body_add_par(doc, paste0("测试集样本量: ", nrow(Test)), style = "Normal")
doc <- body_add_par(doc, paste0("最佳K值: ", best_k), style = "Normal")

doc <- body_add_par(doc, "模型性能指标", style = "heading 2")
doc <- body_add_flextable(doc, flextable(performance_table))

doc <- body_add_par(doc, "混淆矩阵", style = "heading 2")
confusion_flextable <- flextable(confusion_matrix_table)
doc <- body_add_flextable(doc, confusion_flextable)

doc <- body_add_par(doc, "ROC曲线", style = "heading 2")
doc <- body_add_img(doc, "Results-knn/ROC_curve.jpg", width = 6, height = 5)

doc <- body_add_par(doc, "K值选择", style = "heading 2")
doc <- body_add_img(doc, "Results-knn/k_selection.jpg", width = 6, height = 5)

doc <- body_add_par(doc, "结论", style = "heading 2")
doc <- body_add_par(doc, paste0(
"KNN模型在测试集上表现", 
  ifelse(auc_value > 0.7, "良好", "一般"),
"，AUC值为", round(auc_value, 3), 
"。模型准确率为", round(accuracy, 3), 
"。最佳K值为", best_k, "。"
), style = "Normal")

print(doc, target = "Results-knn/KNN分析报告.docx")

# 9. 保存工作空间
save.image("Results-knn/KNN分析.RData")

cat("分析完成！所有结果已保存到 Results-knn 文件夹中。")