道路標識コレクションの分類
自動運転車が無事に自力で停止できたので、チームはテストコースの走行を続けても大丈夫だと自信を持ちました。
テストコースには、次の3種類に分かれた追加の道路標識が59枚含まれています。
試験の最後に、これらの標識を認識する際の車の総合的な性能を評価するよう求められました。
class パッケージとデータセット signs は、すでにワークスペースに読み込まれています。モデルをテストする観測値のセットを保持するデータフレーム test_signs も同様に用意されています。
この演習はコースの一部です
Rで学ぶSupervised Learning：分類
演習の手順
knn()を使ってtest_signsデータを分類します。trainには、ラベルを除いたsignsの観測値を指定します。test引数には、同様にラベルを除いたtest_signsを指定します。cl引数には、用意されているラベルのベクトルを指定します。
table()を使って、3種類の標識を識別する分類器の性能（混同行列）を確認します。test_signsからラベルを取り出してベクトルsigns_actualを作成します。- 予測のベクトルと実際の標識のベクトルを
table()に渡してクロス集計します。
mean()関数を使って、kNN 学習器の全体精度を計算します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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(___ == ___)