रोड साइन के एक संग्रह का वर्गीकरण
अब जब ऑटोनोमस वाहन ने खुद से सफलतापूर्वक ब्रेक लगाकर रुकना सीख लिया है, आपकी टीम को भरोसा है कि कार टेस्ट कोर्स पर आगे बढ़ सकती है.
टेस्ट कोर्स में 59 अतिरिक्त रोड साइन हैं जो तीन प्रकारों में बँटे हैं:
ट्रायल के अंत में, आपसे इन साइन को पहचानने में कार के समग्र प्रदर्शन को मापने के लिए कहा गया है.
class पैकेज और डेटासेट signs पहले से ही आपके वर्कस्पेस में लोड हैं. डेटा फ्रेम test_signs भी मौजूद है, जिसमें वे observations हैं जिन पर आप अपना मॉडल टेस्ट करेंगे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Supervised Learning: Classification
अभ्यास निर्देश
knn()का उपयोग करकेtest_signsडेटा को classify करें.trainकोsignsमें मौजूद observations के बराबर सेट करें, लेबल्स को शामिल किए बिना.testआर्ग्युमेंट के लिएtest_signsका उपयोग करें, यहाँ भी लेबल्स के बिना.clआर्ग्युमेंट के लिए, आपके लिए दिए गए लेबल्स के वेक्टर का उपयोग करें.
- तीनों साइन प्रकारों की पहचान में क्लासिफायर के प्रदर्शन (confusion matrix) को देखने के लिए
table()का उपयोग करें.test_signsसे लेबल्स निकालकर वेक्टरsigns_actualबनाएँ.- प्रेडिक्शंस के वेक्टर और वास्तविक साइन के वेक्टर को
table()में पास करें ताकि उनका क्रॉस-टैबुलेशन हो सके.
mean()फंक्शन का उपयोग करके kNN लर्नर की ओवरऑल accuracy निकालें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Use kNN to identify the test road signs
sign_types <- signs$sign_type
signs_pred <- knn(train = ___[-1], test = ___[-1], cl = ___)
# Create a confusion matrix of the predicted versus actual values
signs_actual <- ___
table(___, ___)
# Compute the accuracy
mean(___ == ___)