Začněte nyníZačněte zdarma

Iris znovu – robustnější měření přesnosti.

V tomto cvičení sestavíš lineární SVM pro 100 různých rozdělení datasetu iris na trénovací a testovací sadu. Výkonnost modelu pak vyhodnotíš výpočtem průměrné přesnosti a směrodatné odchylky. Tenhle postup je velmi univerzální a dá ti spolehlivější obrázek o výkonnosti modelu než výsledky z jediného rozdělení.

Toto cvičení je součástí kurzu

Support Vector Machines v R

Zobrazit kurz

Pokyny k cvičení

  • Pro každé opakování:
    • Rozděl dataset náhodně na trénovací a testovací sadu v poměru 80/20.
    • Natrénuj lineární SVM s výchozí hodnotou cost na trénovacím datasetu.
    • Vyhodnoť přesnost modelu (proměnná accuracy je již inicializována v prostředí).

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

for (i in 1:___){
  	#assign 80% of the data to the training set
    sample_size <- ___(___ * nrow(iris))
 	train <- ___(seq_len(nrow(iris)), size = ___)
    trainset <- iris[train, ]
	testset <- iris[-train, ]
  	#build model using training data
    svm_model <- svm(Species~ ., data = ___, 
                     type = "C-classification", kernel = "linear")
  	#calculate accuracy on test data
    pred_test <- predict(svm_model, ___)
    accuracy[i] <- mean(pred_test == ___$Species)
}
mean(___) 
sd(___)
Upravit a spustit kód