다른 'k' 값 시험하기
기본적으로 class 패키지의 knn() 함수는 가장 가까운 이웃 한 개만 사용합니다.
k 매개변수를 설정하면 알고리즘이 추가로 가까운 이웃들을 고려할 수 있어요. 이렇게 하면 예측 클래스에 투표하는 이웃 집합이 커집니다.
교통 표지판 분류 정확도에 미치는 영향을 살펴보기 위해 k 값을 1, 7, 15로 비교해 보세요.
class 패키지는 이미 워크스페이스에 로드되어 있으며, signs, signs_test, sign_types 데이터셋도 준비되어 있어요. signs_actual 객체에는 표지판의 실제 값이 들어 있습니다.
이 연습은 강의의 일부입니다
R로 배우는 Supervised Learning: 분류
연습 안내
- 제공된 코드를 사용해 기본
k = 1모델의 정확도를 계산하고, 이어서mean()으로signs_actual과 모델 예측을 비교해 정확도를 구하세요. knn()함수 호출에서k = 7로 설정을 바꾸고, 다시 정확도를 구하세요.- 코드를 한 번 더 수정해
k = 15로 설정하고, 정확도를 한 번 더 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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(___)