ComenzarEmpieza gratis

Iris de nuevo: una precisión más robusta.

En este ejercicio, vas a construir SVM lineales para 100 particiones distintas de entrenamiento/prueba del conjunto de datos iris. Después evaluarás el rendimiento de tu modelo calculando la precisión media y la desviación estándar. Este procedimiento, bastante general, te dará una medida mucho más robusta del rendimiento del modelo que la obtenida a partir de una única partición.

Este ejercicio forma parte del curso

Máquinas de Vectores de Soporte en R

Ver curso

Instrucciones del ejercicio

  • Para cada ensayo:
    • Divide el conjunto de datos en entrenamiento y prueba con una partición aleatoria 80/20.
    • Construye un SVM lineal con coste por defecto sobre el conjunto de entrenamiento.
    • Evalúa la precisión de tu modelo (accuracy ya se ha inicializado en tu entorno).

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

for (i in 1:___){
  	#assign 80% of the data to the training set
    sample_size <- ___(___ * nrow(iris))
 	train <- ___(seq_len(nrow(iris)), size = ___)
    trainset <- iris[train, ]
	testset <- iris[-train, ]
  	#build model using training data
    svm_model <- svm(Species~ ., data = ___, 
                     type = "C-classification", kernel = "linear")
  	#calculate accuracy on test data
    pred_test <- predict(svm_model, ___)
    accuracy[i] <- mean(pred_test == ___$Species)
}
mean(___) 
sd(___)
Editar y ejecutar código