LoslegenKostenlos starten

Tuning eines RBF-Kernel-SVM

In dieser Übung baust du ein getuntes RBF-Kernel-SVM für den gegebenen Trainingsdatensatz (im Dataframe trainset) und berechnest die Accuracy auf dem Testdatensatz (im Dataframe testset). Anschließend plottest du die getunte Entscheidungsgrenze gegen den Testdatensatz.

Diese Übung ist Teil des Kurses

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

Interaktive praktische Übung

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

#tune model
tune_out <- ___(x = trainset[, -3], y = trainset[, 3], 
                gamma = 5*10^(-2:2), 
                cost = c(0.01, 0.1, 1, 10, 100), 
                type = "C-classification", kernel = ___)
Code bearbeiten und ausführen