การทดสอบค่า 'k' อื่น ๆ
ค่าเริ่มต้นของฟังก์ชัน knn() ในแพ็กเกจ class จะใช้เพียงเพื่อนบ้านที่ใกล้ที่สุดเพียงตัวเดียว
การกำหนดพารามิเตอร์ k ช่วยให้อัลกอริทึมพิจารณาเพื่อนบ้านที่อยู่ใกล้เคียงเพิ่มเติมได้ ซึ่งขยายกลุ่มเพื่อนบ้านที่จะโหวตเพื่อระบุคลาสที่ทำนาย
ลองเปรียบเทียบค่า k ที่ 1, 7 และ 15 เพื่อดูผลกระทบต่อความแม่นยำในการจำแนกป้ายจราจร
แพ็กเกจ class ถูกโหลดไว้ในเวิร์กสเปซของคุณแล้ว พร้อมกับชุดข้อมูล signs, signs_test และ sign_types โดยออบเจกต์ signs_actual เก็บค่าจริงของป้ายจราจรไว้
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Supervised Learning in R: Classification
คำแนะนำการฝึกหัด
- คำนวณความแม่นยำของโมเดลค่าเริ่มต้น
k = 1โดยใช้โค้ดที่กำหนดให้ จากนั้นหาค่าความแม่นยำโดยใช้mean()เพื่อเปรียบเทียบsigns_actualกับค่าที่โมเดลทำนาย - แก้ไขการเรียกฟังก์ชัน
knn()โดยกำหนดk = 7แล้วหาค่าความแม่นยำอีกครั้ง - แก้ไขโค้ดอีกครั้งโดยกำหนด
k = 15และหาค่าความแม่นยำเป็นครั้งสุดท้าย
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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(___)