Liniowe SVM dla radialnie separowalnego zbioru danych
W tym ćwiczeniu zbudujesz dwa liniowe modele SVM – jeden dla cost = 1 (domyślnie) i drugi dla cost = 100 – na radialnie separowalnym zbiorze danych, który powstał w pierwszej lekcji tego rozdziału. Obliczysz też dokładność na zbiorze treningowym i testowym dla obu wartości kosztu. Biblioteka e1071 jest już załadowana, a zbiory treningowy i testowy zostały dla ciebie przygotowane i są dostępne jako ramki danych trainset i testset.
To ćwiczenie jest częścią kursu
Maszyny wektorów nośnych w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
#default cost mode;
svm_model_1 <- svm(y ~ ., data = ___, type = "C-classification", cost = ___, kernel = "linear")
#training accuracy
pred_train <- predict(svm_model_1, ___)
mean(pred_train == ___$y)
#test accuracy
pred_test <- predict(svm_model_1, ___)
mean(pred_test == ___$y)