Entscheidungs- und Margin-Grenzen mit `plot()` visualisieren
In dieser Übung baust du das SVM-Modell (zur Auffrischung) neu auf und verwendest die eingebaute SVM-Funktion plot(), um die Entscheidungsregionen und Support-Vektoren zu visualisieren. Die Trainingsdaten stehen im Dataframe trainset zur Verfügung.
Diese Übung ist Teil des Kurses
<Kurs>Support Vector Machines in R</Kurs>Übungsanweisungen
- Lade die Bibliothek, die zum Erstellen eines SVM-Modells benötigt wird.
- Erstelle ein lineares SVM-Modell mit den Trainingsdaten.
- Plotte die Entscheidungsregionen und die Support-Vektoren.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
#load required library
library(___)
#build svm model
svm_model<-
svm(y ~ ., data = ___, type = "C-classification",
kernel = "___", scale = FALSE)
#plot decision boundaries and support vectors for the training data
plot(x = svm_model, data = ___)