Andere "k"-Werte testen
Die Funktion knn() im Paket class verwendet standardmäßig nur den nächsten Nachbarn.
Wenn du den Parameter k einstellst, kann der Algorithmus zusätzliche Nachbarn in der Nähe berücksichtigen. Dadurch vergrößert sich die Sammlung der Nachbarn, die über die vorhergesagte Klasse abstimmen werden.
Vergleiche k Werte von 1, 7 und 15, um die Auswirkungen auf die Klassifizierungsgenauigkeit von Verkehrszeichen zu untersuchen.
Das Paket class ist bereits zusammen mit den Datensätzen signs, signs_test und sign_types in deinem Arbeitsbereich geladen. Das Objekt signs_actual enthält die wahren Werte der Zeichen.
Diese Übung ist Teil des Kurses
Überwachtes Lernen in R: Klassifikation
Anleitung zur Übung
- Berechne die Genauigkeit des Standardmodells
k = 1mit dem angegebenen Code und finde dann die Genauigkeit des Modells mitmean(), umsigns_actualund die Vorhersagen des Modells zu vergleichen. - Ändere den Funktionsaufruf
knn(), indem duk = 7einstellst, und finde erneut den Genauigkeitswert. - Überarbeite den Code noch einmal, indem du
k = 15einstellst, und finde den Genauigkeitswert ein weiteres Mal.
Interaktive Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# 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(___)