LoslegenKostenlos starten

SVM mit Polynomial-Kernel

In dieser Übung baust du eine SVM mit einem quadratischen Kernel (Polynom vom Grad 2) für den radial separierbaren Datensatz, den du früher in diesem Kapitel erstellt hast. Anschließend berechnest du die Trainings- und Testgenauigkeit und erstellst mit der eingebauten Funktion plot() eine Grafik des Modells. Die Trainings- und Testdatensätze stehen in den Dataframes trainset und testset bereit, und die Bibliothek e1071 wurde bereits geladen.

Diese Übung ist Teil des Kurses

<Kurs>Support Vector Machines in R</Kurs>
Kurs ansehen

Übungsanweisungen

  • Baue ein SVM-Modell auf den Trainingsdaten mit einem Polynomial-Kernel vom Grad 2.
  • Berechne die Trainings- und Testgenauigkeit für die gegebene Trainings/Test-Aufteilung.
  • Plotte das Modell gegen die Trainingsdaten.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

svm_model<- 
    svm(y ~ ., data = trainset, type = "C-classification", 
        kernel = ___, degree = ___)

#measure training and test accuracy
pred_train <- predict(svm_model, ___)
mean(pred_train == ___$y)
pred_test <- predict(svm_model, ___)
mean(pred_test == ___$y)

#plot
plot(___, trainset)
Code bearbeiten und ausführen