对一组道路标志进行分类
自动驾驶车辆已经能够自行成功停车，您的团队对让车辆继续在测试场地行驶更有信心了。
该测试场地包含 59 个额外的道路标志，分为三种类型：
在试验结束时，要求您评估车辆识别这些标志的整体表现。
class 包和数据集 signs 已经加载到您的工作区中。数据框 test_signs 也已加载，其中包含用于测试模型的一组观测。
本练习是课程的一部分
R 中的监督学习：分类
练习说明
- 使用
knn()对test_signs数据进行分类。- 将
train设置为signs中不含标签的观测值。 - 将
test参数设置为不含标签的test_signs。 - 对于
cl参数，使用已为您提供的标签向量。
- 将
- 使用
table()查看分类器在识别三类标志时的表现（混淆矩阵）。- 通过从
test_signs中提取标签创建向量signs_actual。 - 将预测向量和真实标志向量传给
table()，对它们进行交叉列联。
- 通过从
- 使用
mean()函数计算该 kNN 学习器的整体准确率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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(___ == ___)