Lineární SVM pro radiálně separovatelný dataset
V tomto cvičení vytvoříš dva lineární SVM modely – jeden s hodnotou cost = 1 (výchozí) a druhý s hodnotou cost = 100 – pro radiálně separovatelný dataset, který jsi vytvořil/a v první lekci této kapitoly. Zároveň vypočítáš přesnost na trénovacích a testovacích datech pro obě hodnoty cost. Knihovna e1071 je již načtena a trénovací i testovací datové sady jsou připraveny v datových rámcích trainset a testset.
Toto cvičení je součástí kurzu
Support Vector Machines v R
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
#default cost mode;
svm_model_1 <- svm(y ~ ., data = ___, type = "C-classification", cost = ___, kernel = "linear")
#training accuracy
pred_train <- predict(svm_model_1, ___)
mean(pred_train == ___$y)
#test accuracy
pred_test <- predict(svm_model_1, ___)
mean(pred_test == ___$y)