Testowanie innych wartości 'k'
Domyślnie funkcja knn() z pakietu class bierze pod uwagę tylko jednego najbliższego sąsiada.
Ustawienie parametru k pozwala algorytmowi uwzględnić więcej pobliskich sąsiadów. Zwiększa to liczbę sąsiadów, którzy głosują na przewidywaną klasę.
Porównaj wartości k równe 1, 7 i 15, aby sprawdzić, jak wpływają na dokładność klasyfikacji znaków drogowych.
Pakiet class jest już wczytany w twoim środowisku, podobnie jak zbiory danych signs, signs_test i sign_types. Obiekt signs_actual przechowuje prawdziwe wartości znaków.
To ćwiczenie jest częścią kursu
Nadzorowane uczenie maszynowe w R: Klasyfikacja
Instrukcje do ćwiczenia
- Oblicz dokładność domyślnego modelu
k = 1, korzystając z podanego kodu, a następnie wyznacz dokładność modelu za pomocą funkcjimean(), porównującsigns_actualz przewidywaniami modelu. - Zmodyfikuj wywołanie funkcji
knn(), ustawiająck = 7, i ponownie oblicz wartość dokładności. - Zmień kod jeszcze raz, ustawiając
k = 15, i jeszcze raz oblicz wartość dokładności.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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(___)