Testování různých hodnot 'k'
Funkce knn() z balíčku class ve výchozím nastavení pracuje pouze s jediným nejbližším sousedem.
Nastavením parametru k umožníš algoritmu brát v úvahu i další sousední body. Tím se rozšíří skupina sousedů, kteří hlasují o předpovězené třídě.
Porovnej hodnoty k = 1, 7 a 15 a zjisti, jaký mají vliv na přesnost klasifikace dopravních značek.
Balíček class je v pracovním prostředí již načtený spolu s datovými sadami signs, signs_test a sign_types. Objekt signs_actual obsahuje skutečné hodnoty značek.
Toto cvičení je součástí kurzu
Supervised Learning v R: Klasifikace
Pokyny k cvičení
- Pomocí připraveného kódu vypočítej přesnost výchozího modelu s
k = 1a pak ji zjisti pomocí funkcemean(), která porovnásigns_actuals predikcemi modelu. - Uprav volání funkce
knn()nastavenímk = 7a opět zjisti hodnotu přesnosti. - Ještě jednou upravte kód nastavením
k = 15a znovu zjisti hodnotu přesnosti.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Compute the accuracy of the baseline model (default k = 1)
k_1 <- knn(train = ___, test = ___, cl = ___)
mean(___)
# Modify the above to set k = 7
k_7 <- ___
mean(___)
# Set k = 15 and compare to the above
k_15 <- ___
mean(___)