Menggunakan `tune.svm()`
Latihan ini akan memberi Anda pengalaman langsung menggunakan fungsi tune.svm(). Anda akan menggunakannya untuk memperoleh nilai optimal bagi parameter cost, gamma, dan coef0 untuk model SVM berdasarkan himpunan data yang dapat dipisahkan secara radial yang Anda buat sebelumnya pada bab ini. Data latih tersedia dalam dataframe trainset, data uji dalam testset, dan pustaka e1071 telah dimuat sebelumnya untuk Anda. Ingat bahwa variabel kelas y disimpan pada kolom ketiga dari trainset dan testset.
Ingat juga bahwa dalam video, Kailash menggunakan cost=10^(1:3) untuk mendapatkan rentang parameter cost dari 10=10^1 hingga 1000=10^3 dalam kelipatan 10.
Latihan ini merupakan bagian dari kursus
Support Vector Machines di R
Instruksi latihan
- Atur rentang pencarian parameter sebagai berikut:
cost- dari 0,1 (10^(-1)) hingga 100 (10^2) dalam kelipatan 10.gammadancoef0- salah satu dari nilai berikut: 0,1; 1; dan 10.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
#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$best.parameters$___