Класифікація набору дорожніх знаків

Тепер, коли автономний автомобіль успішно зупинився самостійно, ваша команда впевнено дозволяє йому продовжити випробувальний маршрут.

Маршрут містить ще 59 дорожніх знаків трьох типів:

Stop Sign Speed Limit Sign Pedestrian Sign

Після завершення випробування вас просять оцінити загальну здатність автомобіля розпізнавати ці знаки.

Пакет class і набір даних signs уже завантажено у ваш робочий простір. Так само і датафрейм test_signs, який містить набір спостережень для перевірки вашої моделі.

Ця вправа є частиною курсу

Наглядове навчання в R: Класифікація

Переглянути курс

Інструкції до вправи

Класифікуйте дані test_signs за допомогою knn().
- Встановіть train рівним спостереженням у signs — без міток.
- Для аргументу test використайте test_signs, також без міток.
- Для аргументу cl використайте наданий вам вектор міток.
Скористайтеся table(), щоб дослідити, як класифікатор визначає три типи знаків (матриця помилок).
- Створіть вектор signs_actual, витягнувши мітки з test_signs.
- Передайте у table() вектор передбачень і вектор фактичних знаків, щоб отримати їхню перехресну таблицю.
Обчисліть загальну точність kNN за допомогою функції mean().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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(___ == ___)

Редагувати та запускати код