Iris redux – o acuratețe mai robustă.

În acest exercițiu, vei construi SVM-uri liniare pentru 100 de partiții distincte de antrenament/testare ale setului de date iris. Vei evalua apoi performanța modelului tău calculând acuratețea medie și deviația standard. Această procedură, cu caracter general, îți va oferi o măsură mult mai robustă a performanței modelului față de cea obținută dintr-o singură partiție.

Acest exercițiu face parte din cursul

Support Vector Machines în R

Vezi cursul

Instrucțiuni pentru exercițiu

Pentru fiecare iterație:
- Împarte setul de date în seturi de antrenament și de testare cu o divizare aleatorie de 80/20.
- Construiește un SVM liniar cu cost implicit pe setul de antrenament.
- Evaluează acuratețea modelului tău (accuracy a fost inițializată în mediul tău de lucru).

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

for (i in 1:___){
  	#assign 80% of the data to the training set
    sample_size <- ___(___ * nrow(iris))
 	train <- ___(seq_len(nrow(iris)), size = ___)
    trainset <- iris[train, ]
	testset <- iris[-train, ]
  	#build model using training data
    svm_model <- svm(Species~ ., data = ___, 
                     type = "C-classification", kernel = "linear")
  	#calculate accuracy on test data
    pred_test <- predict(svm_model, ___)
    accuracy[i] <- mean(pred_test == ___$Species)
}
mean(___) 
sd(___)

Editează și rulează codul