Mulai sekarangMulai gratis

Beranda
Kursus
Support Vector Machines di R

Kernel RBF

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Latihan ini merupakan bagian dari kursus

Support Vector Machines di R

SkillTag.level.intermediateSkillTag.label

4.8+

Mulai Kursus Gratis

Bab ini memperkenalkan beberapa konsep kunci support vector machine melalui contoh sederhana satu dimensi. Anda juga akan dipandu membuat himpunan data yang terpisah secara linear yang akan digunakan pada bab selanjutnya.

Exercise 1: Kandungan gula pada minuman ringan Exercise 2: Memvisualisasikan himpunan data kadar gula Exercise 3: Mengidentifikasi batas keputusan Exercise 4: Temukan pemisah margin maksimal Exercise 5: Visualisasikan pemisah margin maksimal Exercise 6: Membuat himpunan data yang terpisahkan secara linear Exercise 7: Bangun himpunan data 2D yang berdistribusi seragam.Exercise 8: Buat batas keputusan Exercise 9: Menambahkan margin pada himpunan data

Memperkenalkan konsep dasar support vector machine dengan menerapkan algoritma svm pada himpunan data yang terpisah secara linear. Konsep utama diilustrasikan melalui visualisasi ggplot yang dibangun dari keluaran algoritma, dan peran parameter cost disorot melalui contoh sederhana. Bab ini ditutup dengan bagian tentang bagaimana algoritma menangani masalah multikelas.

Exercise 1: Support Vector Machine Linear Exercise 2: Membuat himpunan data pelatihan dan pengujian Exercise 3: Membangun pengklasifikasi SVM linear Exercise 4: Mengeksplorasi model dan menghitung akurasi Exercise 5: Memvisualisasikan SVM Linear Exercise 6: Memvisualisasikan support vector dengan ggplot Exercise 7: Memvisualisasikan batas keputusan & margin menggunakan `ggplot2`Exercise 8: Memvisualisasikan batas keputusan & margin menggunakan `plot()`Exercise 9: Mengatur parameter SVM linear Exercise 10: Menyetel SVM linear Exercise 11: Memvisualisasikan batas keputusan dan margin Exercise 12: Kapan pengklasifikasi soft margin berguna?Exercise 13: Masalah multiclass Exercise 14: Masalah klasifikasi multikelas Exercise 15: Iris ulang - akurasi yang lebih tangguh.

Memberikan pengantar terhadap kernel polinomial melalui himpunan data yang terpisah secara radial (memiliki batas keputusan melingkar). Setelah menunjukkan bahwa kernel linear tidak memadai untuk himpunan data ini, Anda akan melihat bagaimana transformasi sederhana membuat masalah tersebut terpisah secara linear, sehingga memotivasi pembahasan intuitif tentang kernel trick. Anda kemudian akan menerapkan kernel polinomial pada himpunan data dan menyetel pengklasifikasi yang dihasilkan.

Exercise 1: Membuat himpunan data yang dapat dipisahkan secara radial Exercise 2: Membuat himpunan data 2D yang dapat dipisahkan secara radial Exercise 3: Memvisualisasikan himpunan data Exercise 4: SVM Linear pada data yang terpisah secara radial Exercise 5: SVM linear untuk himpunan data yang terpisah radial Exercise 6: Akurasi rata-rata untuk SVM linear Exercise 7: Trik kernel Exercise 8: Memvisualisasikan data tertransformasi yang dapat dipisahkan radial Exercise 9: SVM dengan kernel polinomial Exercise 10: Menyetel SVM Exercise 11: Menggunakan `tune.svm()`Exercise 12: Membangun dan memvisualisasikan model yang telah dituning

Membangun dari tiga bab sebelumnya dengan memperkenalkan kernel Radial Basis Function (RBF) yang sangat fleksibel. Anda akan membuat himpunan data "kompleks" yang menampilkan keterbatasan kernel polinomial. Lalu, setelah motivasi intuitif untuk kernel RBF, Anda akan melihat bagaimana kernel ini mengatasi kekurangan kernel lain yang dibahas dalam kursus ini.

Exercise 1: Membangkitkan himpunan data yang kompleks Exercise 2: Membuat himpunan data yang kompleks - bagian 1 Exercise 3: Membuat himpunan data kompleks - bagian 2 Exercise 4: Memvisualisasikan himpunan data Exercise 5: Memahami motivasi di balik kernel RBF Exercise 6: SVM linear untuk himpunan data kompleks Exercise 7: SVM Kuadratik untuk himpunan data kompleks Exercise 8: Kernel RBF

Latihan Saat Ini

Exercise 9: SVM Polinomial pada himpunan data kompleks Exercise 10: SVM RBF pada himpunan data yang kompleks Exercise 11: Menyetel SVM dengan kernel RBF