Andere "k"-Werte testen
Standardmäßig verwendet die Funktion knn() aus dem Paket class nur den einzelnen nächsten Nachbarn.
Mit dem Parameter k kann der Algorithmus weitere nahe Nachbarn berücksichtigen. Dadurch vergrößert sich die Gruppe der Nachbarn, die über die vorhergesagte Klasse abstimmt.
Vergleiche k-Werte von 1, 7 und 15, um die Auswirkungen auf die Erkennungsgenauigkeit der Verkehrsschilder zu untersuchen.
Das Paket class ist bereits in deinem Workspace geladen, ebenso die Datensätze signs, signs_test und sign_types. Das Objekt signs_actual enthält die wahren Klassen der Schilder.
Diese Übung ist Teil des Kurses
Überwachtes Lernen in R: Klassifikation
Anleitung zur Übung
- Berechne die Genauigkeit des Standardmodells mit
k = 1mit dem vorgegebenen Code und ermittle anschließend die Genauigkeit des Modells, indem dumean()verwendest, umsigns_actualmit den Vorhersagen des Modells zu vergleichen. - Ändere den Aufruf von
knn()aufk = 7und ermittle erneut die Genauigkeit. - Passe den Code ein weiteres Mal an, indem du
k = 15setzt, und berechne die Genauigkeit noch einmal.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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(___)