Messa a punto di un SVM con kernel RBF
In questo esercizio costruirai un SVM con kernel RBF ottimizzato per l’insieme di dati di training (nel dataframe trainset) e calcolerai l’accuracy sul set di test (nel data frame testset). Poi traccerai il confine di decisione ottimizzato rispetto al set di test.
Questo esercizio fa parte del corso
Support Vector Machines in R
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
#tune model
tune_out <- ___(x = trainset[, -3], y = trainset[, 3],
gamma = 5*10^(-2:2),
cost = c(0.01, 0.1, 1, 10, 100),
type = "C-classification", kernel = ___)