CommencezCommencez gratuitement

Iris redux — une justesse plus robuste.

Dans cet exercice, vous allez entraîner des SVM linéaires pour 100 partitions apprentissage/test distinctes du jeu de données iris. Vous évaluerez ensuite la performance de votre modèle en calculant la justesse moyenne et l'écart type. Cette procédure, assez générale, vous donnera une mesure beaucoup plus robuste de la performance du modèle que celle obtenue à partir d'une seule partition.

Cette activité fait partie du cours

Machines à vecteurs de support en R

Voir le cours

Instructions de l’exercice

  • Pour chaque essai :
    • Divisez le jeu de données en ensembles d'apprentissage et de test selon une répartition aléatoire 80/20.
    • Entraînez un SVM linéaire avec le coût par défaut sur l'ensemble d'apprentissage.
    • Évaluez la justesse de votre modèle (accuracy a été initialisée dans votre environnement).

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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(___)
Modifier et exécuter le code