Testa andra värden på 'k'

Som standard använder funktionen knn() i paketet class bara den enda närmaste grannen.

Genom att ange parametern k kan algoritmen ta hänsyn till fler närliggande grannar. Det utökar gruppen av grannar som röstar om den förutsagda klassen.

Jämför värdena k = 1, k = 7 och k = 15 för att undersöka hur de påverkar klassificeringsnoggrannheten för trafikskyltar.

Paketet class är redan inläst i din miljö tillsammans med datamängderna signs, signs_test och sign_types. Objektet signs_actual innehåller de faktiska värdena för skyltarna.

Den här övningen är en del av kursen

Övervakat lärande i R: Klassificering

Visa kurs

Övningsinstruktioner

Beräkna noggrannheten för standardmodellen med k = 1 med hjälp av den givna koden, och använd sedan mean() för att jämföra signs_actual med modellens förutsägelser.
Ändra anropet till knn() genom att sätta k = 7 och beräkna noggrannheten på samma sätt.
Uppdatera koden ytterligare en gång genom att sätta k = 15, och beräkna noggrannheten även för detta värde.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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(___)

Redigera och kör kod