शुरू करेंमुफ़्त में शुरू करें

`tune.svm()` का उपयोग

इस अभ्यास में आप tune.svm() फंक्शन का हाथों-हाथ अभ्यास करेंगे। आप इसका उपयोग cost, gamma, और coef0 पैरामीटरों के लिए सर्वोत्तम मान पाने के लिए करेंगे, जो इस अध्याय में पहले बनाए गए radially separable डेटासेट पर आधारित SVM मॉडल के लिए हैं। प्रशिक्षण डेटा trainset डेटाफ़्रेम में है, टेस्ट डेटा testset में है, और e1071 लाइब्रेरी आपके लिए पहले से प्रीलोड की गई है। याद रखें कि क्लास वैरिएबल y, trainset और testset की तीसरी कॉलम में संग्रहीत है.

वीडियो में यह भी याद रखें कि कैलाश ने cost=10^(1:3) का उपयोग किया था ताकि cost पैरामीटर की रेंज 10=10^1 से 1000=10^3 तक 10 के गुणकों में मिले.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Support Vector Machines

पाठ्यक्रम देखें

अभ्यास निर्देश

  • पैरामीटर खोज की रेंज इस प्रकार सेट करें:
    • cost - 0.1 (10^(-1)) से 100 (10^2) तक, 10 के गुणकों में.
    • gamma और coef0 - निम्न मानों में से एक: 0.1, 1, और 10.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

#tune model
tune_out <- 
    tune.svm(x = trainset[, -3], y = trainset[, 3], 
             type = "C-classification", 
             kernel = "polynomial", degree = 2, cost = 10^(___:___), 
             gamma = c(___, ___, ___), coef0 = c(0.1, 1, 10))

#list optimal values
tune_out$best.parameters$___
tune_out$best.parameters$___
tune_out$best.parameters$___
कोड संपादित करें और चलाएँ