SVM met polynomiale kernel
In deze oefening bouw je een SVM met een kwadratische kernel (polynoom van graad 2) voor de radiaal scheidbare gegevensset die je eerder in dit hoofdstuk hebt gemaakt. Vervolgens bereken je de training- en testnauwkeurigheid en maak je een plot van het model met de ingebouwde functie plot(). De training- en testgegevenssets staan in de dataframes trainset en testset, en de e1071-bibliotheek is al geladen.
Deze oefening maakt deel uit van de cursus
Support Vector Machines in R
Oefeninstructies
- Bouw een SVM-model op de trainingsdata met een polynomiale kernel van graad 2.
- Bereken de nauwkeurigheid op de training- en testset voor de gegeven train/test-splitsing.
- Plot het model ten opzichte van de trainingsdata.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
svm_model<-
svm(y ~ ., data = trainset, type = "C-classification",
kernel = ___, degree = ___)
#measure training and test accuracy
pred_train <- predict(svm_model, ___)
mean(pred_train == ___$y)
pred_test <- predict(svm_model, ___)
mean(pred_test == ___$y)
#plot
plot(___, trainset)