ट्यून किए गए मॉडल का निर्माण और विज़ुअलाइज़ेशन
इस अध्याय के अंतिम अभ्यास में, आप पिछले अभ्यास में tune.svm() से प्राप्त पैरामीटर्स के optimal मानों का उपयोग करके एक polynomial SVM बनाएँगे. इसके बाद आप ट्रेनिंग और टेस्ट accuracies की गणना करेंगे और svm.plot() का उपयोग करके मॉडल का visualization करेंगे. e1071 लाइब्रेरी पहले से प्रीलोडेड है और टेस्ट तथा ट्रेनिंग डेटासेट्स dataframes trainset और testset में उपलब्ध हैं. tune.svm() का आउटपुट वैरिएबल tune_out में उपलब्ध है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Support Vector Machines
अभ्यास निर्देश
- डिग्री 2 का polynomial kernel उपयोग करके एक SVM बनाएँ.
tune.svm()से निकले optimal पैरामीटर्स का उपयोग करें.- ट्रेनिंग और टेस्ट accuracies प्राप्त करें.
- निर्णय सीमा (decision boundary) को ट्रेनिंग डेटा के साथ प्लॉट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
#Build tuned model
svm_model <- svm(y~ ., data = trainset, type = "C-classification",
kernel = ___, degree = ___,
cost = tune_out$___$cost,
gamma = tune_out$___$gamma,
coef0 = tune_out$___$coef0)
#Calculate training and test accuracies
pred_train <- predict(svm_model, ___)
mean(pred_train == ___$y)
pred_test <- predict(svm_model, ___)
mean(pred_test == ___$y)
#plot model
plot(svm_model, trainset)