Klassificera en samling vägskyltar

Nu när det autonoma fordonet har stannat på egen hand känner ditt team sig tryggt nog att låta bilen fortsätta testbanan.

Testbanan innehåller ytterligare 59 vägskyltar av tre typer:

Stop Sign Speed Limit Sign Pedestrian Sign

När provkörningen är avslutad ombeds du mäta bilens övergripande förmåga att känna igen skyltarna.

Paketet class och datamängden signs är redan inlästa i din arbetsmiljö. Det är även dataramen test_signs, som innehåller en uppsättning observationer som du ska testa din modell på.

Den här övningen är en del av kursen

Övervakat lärande i R: Klassificering

Visa kurs

Övningsinstruktioner

Klassificera data i test_signs med hjälp av knn().
- Sätt train till observationerna i signs utan etiketter.
- Använd test_signs för argumentet test, även det utan etiketter.
- För argumentet cl använder du den etikettsvektor som redan är angiven.
Använd table() för att undersöka klassificerarens förmåga att identifiera de tre skylttyperna (konfusionsmatrisen).
- Skapa vektorn signs_actual genom att extrahera etiketterna från test_signs.
- Skicka förutsägelsevektorn och den faktiska skyltvektorn till table() för att skapa en korstabell.
Beräkna den övergripande noggrannheten hos kNN-modellen med funktionen mean().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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(___ == ___)

Redigera och kör kod