LoslegenKostenlos loslegen

Verwendung von `tune.svm()`

In dieser Übung arbeitest du praktisch mit der Funktion tune.svm(). Du nutzt sie, um die optimalen Werte für die Parameter cost, gamma und coef0 für ein SVM-Modell zu bestimmen, basierend auf dem radial separierbaren Datensatz, den du früher in diesem Kapitel erstellt hast. Die Trainingsdaten stehen im Dataframe trainset zur Verfügung, die Testdaten in testset, und die Bibliothek e1071 wurde bereits für dich geladen. Denk daran, dass die Klassenvariable y in der dritten Spalte von trainset und testset gespeichert ist.

Erinnere dich außerdem daran, dass Kailash im Video cost=10^(1:3) verwendet hat, um einen Bereich für den cost-Parameter von 10=10^1 bis 1000=10^3 in Zehnerschritten zu erhalten.

Diese Übung ist Teil des Kurses

Support Vector Machines in R

Kurs anzeigen

Anleitung zur Übung

  • Lege die Suchbereiche für die Parameter wie folgt fest:
    • cost – von 0,1 (10^(-1)) bis 100 (10^2) in Zehnerschritten.
    • gamma und coef0 – einer der folgenden Werte: 0,1; 1 und 10.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

#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$best.parameters$___
Code bearbeiten und ausführen