IniziaInizia gratis

Costruire e visualizzare il modello ottimizzato

Nell’ultimo esercizio di questo capitolo, costruirai una SVM polinomiale usando i valori ottimali dei parametri ottenuti con tune.svm() nell’esercizio precedente. Calcolerai poi le accuratezze su training e test e visualizzerai il modello con svm.plot(). La libreria e1071 è già caricata e gli insiemi di dati di training e test sono disponibili nei dataframe trainset e testset. L’output di tune.svm() è disponibile nella variabile tune_out.

Questo esercizio fa parte del corso

Support Vector Machines in R

Visualizza il corso

Istruzioni dell'esercizio

  • Costruisci una SVM con kernel polinomiale di grado 2.
  • Usa i parametri ottimali calcolati con tune.svm().
  • Ottieni le accuratezze di training e di test.
  • Traccia il confine di decisione rispetto ai dati di training.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

#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)
Modifica ed esegui il codice