分類一組道路號誌
現在自駕車已能自行成功停下，你的團隊有信心讓車子繼續完成測試路線。
此測試路線包含另外 59 面道路號誌，分成三種類型：
在試驗結束時，你被要求評估車輛對這些號誌的整體辨識表現。
class 套件與資料集 signs 已載入到你的工作空間。資料框 test_signs 也已載入，裡面包含你要用來測試模型的一組觀測值。
本練習屬於課程
R 監督式學習：分類
練習說明
- 使用
knn()對test_signs資料進行分類。- 將
train設為signs中不含標籤的觀測值。 - 將
test參數設為不含標籤的test_signs。 cl參數請使用已提供給你的標籤向量。
- 將
- 使用
table()檢視分類器辨識三種號誌類型的表現（混淆矩陣）。- 從
test_signs中取出標籤，建立向量signs_actual。 - 將預測向量與實際號誌向量一同傳入
table()做交叉列聯。
- 從
- 使用
mean()函式計算此 kNN 學習器的整體正確率。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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(___ == ___)