Xây dựng và trực quan hóa mô hình đã tinh chỉnh
Trong bài tập cuối của chương này, bạn sẽ xây dựng một SVM đa thức (polynomial) sử dụng các giá trị tham số tối ưu mà bạn đã thu được từ tune.svm() ở bài trước. Sau đó, bạn sẽ tính độ chính xác trên tập huấn luyện và tập kiểm tra, đồng thời trực quan hóa mô hình bằng svm.plot(). Thư viện e1071 đã được nạp sẵn và các tập dữ liệu huấn luyện, kiểm tra có trong dataframe trainset và testset. Kết quả đầu ra của tune.svm() có trong biến tune_out.
Bài tập này là một phần của khóa học
Support Vector Machines bằng R
Hướng dẫn bài tập
- Xây dựng một SVM với kernel đa thức bậc 2.
- Dùng các tham số tối ưu được tính bằng
tune.svm(). - Tính độ chính xác trên tập huấn luyện và tập kiểm tra.
- Vẽ ranh giới quyết định trên dữ liệu huấn luyện.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
#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)