Ayarlanmış modeli kurma ve görselleştirme
Bu bölümün son egzersizinde, bir önceki egzersizde tune.svm() ile elde ettiğin en iyi parametre değerlerini kullanarak polinom bir SVM kuracaksın. Ardından eğitim ve test doğruluklarını hesaplayacak ve modeli svm.plot() ile görselleştireceksin. e1071 kütüphanesi önceden yüklendi ve test ile eğitim veri kümeleri trainset ve testset veri çerçevelerinde hazır. tune.svm() çıktısı tune_out değişkeninde mevcut.
Bu egzersiz
R ile Support Vector Machines
kursunun bir parçasıdırEgzersiz talimatları
- Derecesi 2 olan polinom çekirdeğe sahip bir SVM kur.
tune.svm()kullanılarak hesaplanan en iyi parametreleri kullan.- Eğitim ve test doğruluklarını elde et.
- Karar sınırını eğitim verisine karşı çiz.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
#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)