튜닝된 모델 구축 및 시각화
이번 장의 마지막 연습 문제에서는 이전 연습에서 tune.svm()으로 얻은 최적 하이퍼파라미터를 사용해 다항식 SVM을 구축해 보겠습니다. 그런 다음 학습 및 테스트 정확도를 계산하고 svm.plot()으로 모델을 시각화해요. e1071 라이브러리는 미리 로드되어 있으며, 학습/테스트 데이터세트는 데이터프레임 trainset과 testset으로 제공됩니다. tune.svm()의 출력은 변수 tune_out에 저장되어 있습니다.
이 연습은 강의의 일부입니다
R에서의 Support Vector Machine
연습 안내
- 차수 2의 다항식 커널을 사용해 SVM을 구축하세요.
tune.svm()으로 계산한 최적 하이퍼파라미터를 사용하세요.- 학습 및 테스트 정확도를 구하세요.
- 학습 데이터에 대한 결정 경계를 시각화하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
#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)