距离加权在KNN中如何工作？

Question

我正在R中编写KNN分类器。我想添加权重方案，例如G。倒数索引1 / d。照原样，对于Iris数据集，由于值no，我获得了几乎完美的66％准确性（无论使用何种度量）。 3（“ virginica”）几乎不会出现，我想通过加权使其更好。我的问题是：究竟是什么？如何称重？我已经读过，我应该用这些距离对K个最近邻居的等级进行加权。

我尝试创建到K个最近邻居的类和距离矢量，然后从中获取加权均值：

inverted <- function(vals, distances)
{
  inv_distances <- 1 / distances
  # eliminate division-by-zero errors
  inv_distances <- ifelse((inv_distances < 0.01), 0.01, inv_distances)

  weighted.mean(vals, inv_distances)
}

我的结果很奇怪：对于正确的向量val（类）和距离，我有时会得到NaN（不是数字）或NA值。而且我的权重总和不等于1，...他们应该吗？我不确定。我只需要有人为我清除此加权方案即可。

编辑： 我已经调试了上面的代码，因为它乘以权重太晚了（因此不能消除距离0并导致NaNs）。我也将其更改为谐波序列权重，而不使用距离（因此，第一个邻居的权重为1，第二个为1/2，第三个为1/3等）。我仍然不知道它是如何工作的以及其他权重可能是什么。

inverted <- function(vals)
{
  weights <- 1 / seq(length(vals))

  res <- weighted.mean(vals, weights)
  res
}