Använda `tune.svm()`
I den här övningen får du praktisk erfarenhet av att använda funktionen tune.svm(). Du använder den för att hitta de optimala värdena för parametrarna cost, gamma och coef0 i en SVM-modell baserad på den radiellt separerbara datamängd du skapade tidigare i det här kapitlet. Träningsdatan finns i dataramen trainset, testdatan i testset, och biblioteket e1071 är förladdat. Kom ihåg att klassvariabeln y lagras i den tredje kolumnen i trainset och testset.
Kom också ihåg att Kailash i videon använde cost=10^(1:3) för att få ett intervall för cost-parametern från 10=10^1 till 1000=10^3 i multipler av 10.
Den här övningen är en del av kursen
Support Vector Machines i R
Övningsinstruktioner
- Ange sökintervall för parametrarna enligt följande:
cost– från 0,1 (10^(-1)) till 100 (10^2) i multipler av 10.gammaochcoef0– ett av följande värden: 0,1, 1 och 10.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
#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$best.parameters$___