Lineare SVM für einen radial separierbaren Datensatz
In dieser Übung baust du zwei lineare SVMs, eine mit cost = 1 (Standard) und eine mit cost = 100, für den radial separierbaren Datensatz, den du in der ersten Lektion dieses Kapitels erstellt hast. Außerdem berechnest du die Trainings- und Testgenauigkeit für beide cost-Werte. Die Bibliothek e1071 ist geladen, und Trainings- sowie Testdatensätze wurden für dich erstellt und stehen dir in den Data Frames trainset und testset zur Verfügung.
Diese Übung ist Teil des Kurses
<Kurs>Support Vector Machines in R</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
#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)