Classificação de uma coleção de placas de trânsito

Agora que o veículo autônomo conseguiu parar sozinho com sucesso, sua equipe se sente confiante em permitir que o carro continue o percurso de teste.

O curso de teste inclui 59 sinais de trânsito adicionais divididos em três tipos:

Sinal de parada Sinal de limite de velocidade Sinal de pedestre

Ao final do teste, você deve medir o desempenho geral do carro no reconhecimento desses sinais.

O pacote class e o conjunto de dados signs já estão carregados em seu espaço de trabalho. O mesmo acontece com o quadro de dados test_signs, que contém um conjunto de observações nas quais você testará o modelo.

Este exercício faz parte do curso

Aprendizagem supervisionada em R: Classificação

Ver curso

Instruções do exercício

Classifique os dados de test_signs usando knn().
- Defina train como as observações em signs sem rótulos.
- Use test_signs para o argumento test, novamente sem rótulos.
- Para o argumento cl, use o vetor de rótulos fornecido para você.
Use o site table() para explorar o desempenho do classificador na identificação dos três tipos de sinais (a matriz de confusão).
- Crie o vetor signs_actual extraindo os rótulos de test_signs.
- Passe o vetor de previsões e o vetor de sinais reais para table() para fazer a tabulação cruzada.
Calcule a precisão geral do aluno kNN usando a função mean().

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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(___ == ___)

Editar e executar o código