Używanie funkcji `tune.svm()`
To ćwiczenie pozwoli ci nabrać praktyki w korzystaniu z funkcji tune.svm(). Użyjesz jej do wyznaczenia optymalnych wartości parametrów cost, gamma i coef0 dla modelu SVM opartego na zbiorze danych separowalnym radialnie, który utworzyłeś wcześniej w tym rozdziale. Dane treningowe są dostępne w ramce danych trainset, dane testowe – w testset, a biblioteka e1071 została już wczytana. Pamiętaj, że zmienna klasowa y znajduje się w trzeciej kolumnie ramek trainset i testset.
Przypomnij sobie też, że w filmie Kailash użył cost=10^(1:3), aby uzyskać zakres wartości parametru cost od 10=10^1 do 1000=10^3 w wielokrotnościach liczby 10.
To ćwiczenie jest częścią kursu
Maszyny wektorów nośnych w R
Instrukcje do ćwiczenia
- Ustaw zakresy przeszukiwania parametrów w następujący sposób:
cost– od 0,1 (10^(-1)) do 100 (10^2) w wielokrotnościach liczby 10.gammaicoef0– jedna z następujących wartości: 0,1, 1 i 10.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
#tune model
tune_out <-
tune.svm(x = trainset[, -3], y = trainset[, 3],
type = "C-classification",
kernel = "polynomial", degree = 2, cost = 10^(___:___),
gamma = c(___, ___, ___), coef0 = c(0.1, 1, 10))
#list optimal values
tune_out$best.parameters$___
tune_out$best.parameters$___
tune_out$best.parameters$___