Construirea și vizualizarea modelului optimizat

În ultimul exercițiu al acestui capitol, vei construi un SVM polinomial folosind valorile optime ale parametrilor obținute cu tune.svm() în exercițiul anterior. Vei calcula apoi acuratețile pe setul de antrenament și pe cel de testare și vei vizualiza modelul folosind svm.plot(). Biblioteca e1071 este deja încărcată, iar seturile de date de testare și de antrenament sunt disponibile în dataframe-urile trainset și testset. Rezultatul funcției tune.svm() este disponibil în variabila tune_out.

Acest exercițiu face parte din cursul

Support Vector Machines în R

Vezi cursul

Instrucțiuni pentru exercițiu

Construiește un SVM cu un kernel polinomial de grad 2.
Folosește parametrii optimi calculați cu tune.svm().
Calculează acuratețile pe setul de antrenament și pe cel de testare.
Trasează frontiera de decizie față de datele de antrenament.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

#Build tuned model
svm_model <- svm(y~ ., data = trainset, type = "C-classification", 
                 kernel = ___, degree = ___, 
                 cost = tune_out$___$cost, 
                 gamma = tune_out$___$gamma, 
                 coef0 = tune_out$___$coef0)

#Calculate training and test accuracies
pred_train <- predict(svm_model, ___)
mean(pred_train == ___$y)
pred_test <- predict(svm_model, ___)
mean(pred_test == ___$y)

#plot model
plot(svm_model, trainset)

Editează și rulează codul