(Bing Image Creator で生成: プロンプト: Landscape of pink and white Spiranthes sinensis var. amoena, background is rock mountains, photo)
の続きです。
今回は、k-Nearest Neighbors 法で予測します。
class パッケージの読み込みをしましょう。
そして、knn()関数で予測します。
とりあえず、k = 5 でやってみました。
どのくらいの予測精度でしょうか？
Accuracy, 正解率は 0.8894 と前回の Linear Probability Model よりは下がりましたが、Balanced Accuracy は 0.6134 と上がりました。
忘れないように、結果を保存しておきます。
今回は以上です。
次回は
です。
初めから読むには、
です。
今回のコードは以下になります。
#
# 第2の予測
# k-nearest neighbors 法での予測
#
# class パッケージの読み込み
library(class)
#
# k = 5 のとき
knn_k5 <- knn(df_train[ , -1], df_test[ , -1], df_train$yes, k = 5)
#
# k = 5 のときの成績
confusionMatrix(knn_k5, factor(df_test$yes))
#
# 第1のモデルと第2のモデルの成績を格納
estimates_results <- tibble(
model = c("lpm", "knn"),
accuracy = c(0.8936, 0.8894),
b_accuracy = c(0.5772, 0.6134)
)
estimates_results
#
