Beslisgrenzen en marges visualiseren
In de vorige oefening heb je twee lineaire classifiers gebouwd voor een lineair separabele gegevensset: één met cost = 1 en één met cost = 100. In deze oefening visualiseer je de marges van beide classifiers in één plot. De volgende objecten kun je gebruiken:
- De trainingsgegevensset:
trainset. - De
cost = 1- encost = 100-classifiers in respectievelijksvm_model_1ensvm_model_100. - De helling en intercept voor de
cost = 1-classifier staan inslope_1enintercept_1. - De helling en intercept voor de
cost = 100-classifier staan inslope_100enintercept_100. - Gewichtsvectoren voor beide costs staan in respectievelijk
w_1enw_100. - Een basis-scatterplot van de trainingsdata staat in
train_plot.
De ggplot2-bibliotheek is alvast geladen.
Deze oefening maakt deel uit van de cursus
Support Vector Machines in R
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
#add decision boundary and margins for cost = 1 to training data scatter plot
train_plot_with_margins <- train_plot +
geom_abline(slope = ___, intercept = ___) +
geom_abline(slope = ___, intercept = ___-1/w_1[2], linetype = "dashed")+
geom_abline(slope = ___, intercept = ___+1/w_1[2], linetype = "dashed")
#display plot
train_plot_with_margins