여러 교통 표지판 분류하기
자율주행 차량이 스스로 안전하게 정지하는 데 성공했으니, 이제 팀에서는 차량이 테스트 코스를 계속 주행해도 되겠다고 판단했어요.
테스트 코스에는 세 가지 유형으로 나뉜 추가 교통 표지판 59개가 포함되어 있습니다:
시험이 끝나면, 이 표지판들을 차량이 얼마나 잘 인식했는지 전반적인 성능을 평가해 달라는 요청을 받습니다.
class 패키지와 데이터셋 signs는 워크스페이스에 이미 로드되어 있습니다. 또한 모델을 테스트할 관측값이 들어 있는 데이터 프레임 test_signs도 준비되어 있습니다.
이 연습은 강의의 일부입니다
R로 배우는 Supervised Learning: 분류
연습 안내
knn()을 사용해test_signs데이터를 분류하세요.train은 레이블을 제외한signs의 관측값으로 설정하세요.test인수에는 레이블을 제외한test_signs를 사용하세요.cl인수에는 제공된 레이블 벡터를 사용하세요.
table()을 사용해 세 가지 표지판 유형을 식별하는 분류기의 성능(혼동 행렬)을 살펴보세요.test_signs에서 레이블을 추출해 벡터signs_actual을 만드세요.- 예측값 벡터와 실제 표지판 벡터를
table()에 전달해 교차표를 만드세요.
mean()함수를 사용해 kNN 학습기의 전체 정확도를 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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(___ == ___)