Eksploracja zbioru danych ze znakami drogowymi

Aby lepiej zrozumieć, jak funkcja knn() była w stanie sklasyfikować znak stopu, warto przyjrzeć się zbiorowi treningowemu, którego użyła.

Każdy wcześniej obserwowany znak drogowy został podzielony na siatkę 4x4, a poziom czerwieni, zieleni i niebieskiego dla każdego z 16 centralnych pikseli został zapisany w sposób przedstawiony poniżej.

Stop Sign Data Encoding

W rezultacie powstał zbiór danych, który rejestruje sign_type oraz 16 x 3 = 48 właściwości kolorystycznych każdego znaku.

To ćwiczenie jest częścią kursu

Nadzorowane uczenie maszynowe w R: Klasyfikacja

Zobacz kurs

Instrukcje do ćwiczenia

Użyj funkcji str(), aby zbadać zbiór danych signs.
Użyj funkcji table(), aby policzyć liczbę obserwacji każdego typu znaku – przekaż jej kolumnę zawierającą etykiety.
Uruchom podane polecenie aggregate(), aby sprawdzić, czy średni poziom czerwieni różni się w zależności od typu znaku.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Examine the structure of the signs dataset


# Count the number of signs of each type
table(___)

# Check r10's average red level by sign type
aggregate(r10 ~ sign_type, data = signs, mean)

Edytuj i uruchom kod