チューニング済みモデルの構築と可視化
この章の最後の演習では、前の演習で tune.svm() から得た最適パラメータを用いて、多項式カーネルの SVM を構築します。次に、訓練精度とテスト精度を計算し、svm.plot() でモデルを可視化します。e1071 ライブラリはすでに読み込まれており、テスト用と訓練用のデータセットはそれぞれデータフレーム trainset と testset として利用できます。tune.svm() の出力は変数 tune_out に保存されています。
この演習はコースの一部です
Rで学ぶSupport Vector Machines
演習の手順
- 次数 2 の多項式カーネルを用いて SVM を構築します。
tune.svm()で求めた最適パラメータを使用します。- 訓練精度とテスト精度を取得します。
- 訓練データに対する決定境界をプロットします。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
#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)