Aan de slagGa gratis aan de slag

Beslissings- en margeranden visualiseren met `plot()`

In deze oefening bouw je het SVM-model opnieuw (als opfrisser) en gebruik je de ingebouwde SVM-functie plot() om de beslissingsregio's en support vectors te visualiseren. De trainingsgegevens staan in de dataframe trainset.

Deze oefening maakt deel uit van de cursus

Support Vector Machines in R

Cursus bekijken

Oefeninstructies

  • Laad de bibliotheek die nodig is om een SVM-model te bouwen.
  • Bouw een lineair SVM-model met de trainingsgegevens.
  • Visualiseer de beslissingsregio's en support vectors.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

#load required library
library(___)

#build svm model
svm_model<- 
    svm(y ~ ., data = ___, type = "C-classification", 
        kernel = "___", scale = FALSE)

#plot decision boundaries and support vectors for the training data
plot(x = svm_model, data = ___)
Code bewerken en uitvoeren