他の「k」値を試す
class パッケージの knn() 関数は、デフォルトでは最も近い1つの近傍だけを使用します。
k パラメータを設定すると、より多くの近い近傍を考慮できます。これにより、予測クラスに投票する近傍の集合が大きくなります。
交通標識の分類精度に与える影響を確認するため、k を 1、7、15 で比較してください。
ワークスペースにはすでに class パッケージと、signs、signs_test、sign_types の各データセットが読み込まれています。オブジェクト signs_actual には標識の真の値が入っています。
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
- 提示されたコードを使ってデフォルトの
k = 1モデルの精度を計算し、その後mean()を使ってsigns_actualとモデルの予測を比較し、精度を求めてください。 knn()の呼び出しでk = 7を指定するように変更し、同様に精度を求めてください。- さらにコードを修正して
k = 15を指定し、もう一度精度を計算してください。
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。
# 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(___)