Iris redux - और अधिक मजबूत एक्युरेसी.
इस अभ्यास में, आप iris डेटासेट के 100 अलग-अलग training/test पार्टिशन के लिए लीनियर SVMs बनाएँगे. इसके बाद आप अपने मॉडल के प्रदर्शन का मूल्यांकन mean accuracy और standard deviation निकालकर करेंगे. यह प्रक्रिया काफी सामान्य है और एक ही पार्टिशन से मिलने वाले परिणामों की तुलना में मॉडल के प्रदर्शन का कहीं अधिक मजबूत माप देगी.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Support Vector Machines
अभ्यास निर्देश
- हर ट्रायल के लिए:
- डेटासेट को रैंडम 80/20 स्प्लिट में training और test सेट में बाँटें.
- training डेटासेट पर डिफ़ॉल्ट cost वाला लीनियर SVM बनाएँ.
- अपने मॉडल की एक्युरेसी का आकलन करें (
accuracyआपके environment में initialize कर दिया गया है).
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
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(___)