使用 `tune.svm()`
這個練習會帶你實作使用 tune.svm() 函式。你會用它來為基於本章先前建立之徑向可分資料集的 SVM 模型，找出 cost、gamma 與 coef0 的最佳參數值。訓練資料在資料框 trainset，測試資料在 testset，而且已為你預先載入 e1071 套件。請記得類別變數 y 位於 trainset 與 testset 的第 3 欄。
另外回想影片中，Kailash 使用 cost=10^(1:3)，讓 cost 參數以 10 的倍數，從 10=10^1 到 1000=10^3。
本練習屬於課程
R 的支援向量機
練習說明
- 請將參數搜尋範圍設為：
cost：從 0.1（10^(-1)）到 100（10^2），以 10 的倍數遞增。gamma與coef0：可用值為 0.1、1、10。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
#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$best.parameters$___