Začněte nyníZačněte zdarma

Použití `tune.svm()`

V tomto cvičení si procvičíš práci s funkcí tune.svm(). Použiješ ji k nalezení optimálních hodnot parametrů cost, gamma a coef0 pro SVM model založený na radiálně separovatelné datové sadě, kterou jsi vytvořil/a dříve v této kapitole. Trénovací data jsou k dispozici v dataframu trainset, testovací data v testset a knihovna e1071 je pro tebe předem načtena. Nezapomeň, že třídní proměnná y je uložena ve třetím sloupci datových sad trainset a testset.

Také si připomeň, že ve videu Kailash použil cost=10^(1:3), aby získal rozsah parametru cost od 10=10^1 do 1000=10^3 v násobcích 10.

Toto cvičení je součástí kurzu

Support Vector Machines v R

Zobrazit kurz

Pokyny k cvičení

  • Nastav rozsahy prohledávání parametrů takto:
    • cost – od 0.1 (10^(-1)) do 100 (10^2) v násobcích 10.
    • gamma a coef0 – jedna z následujících hodnot: 0.1, 1 a 10.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

#tune model
tune_out <- 
    tune.svm(x = trainset[, -3], y = trainset[, 3], 
             type = "C-classification", 
             kernel = "polynomial", degree = 2, cost = 10^(___:___), 
             gamma = c(___, ___, ___), coef0 = c(0.1, 1, 10))

#list optimal values
tune_out$best.parameters$___
tune_out$best.parameters$___
tune_out$best.parameters$___
Upravit a spustit kód