Використання `tune.svm()`
У цій вправі ви попрактикуєтеся у використанні функції tune.svm(). Ви застосуєте її, щоб отримати оптимальні значення параметрів cost, gamma та coef0 для моделі SVM на основі радикально відокремлюваного набору даних, який ви створили раніше в цьому розділі. Тренувальні дані містяться в датафреймі trainset, тестові — у testset, а бібліотеку e1071 уже завантажено за вас. Пам'ятайте, що змінну класу y збережено в третій колонці trainset і testset.
Також згадайте, що у відео Кайлаш використовував cost=10^(1:3), щоб отримати діапазон параметра cost від 10=10^1 до 1000=10^3 з кроком у 10.
Ця вправа є частиною курсу
Support Vector Machines в R
Інструкції до вправи
- Задайте діапазони пошуку параметрів так:
cost— від 0.1 (10^(-1)) до 100 (10^2) з кроком у 10.gammaтаcoef0— одне з таких значень: 0.1, 1 або 10.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
#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$best.parameters$___