建立並視覺化已調參的模型

在本章最後一個練習中，你會使用前一題 tune.svm() 找到的最佳參數，建立一個多項式 SVM。接著你會計算訓練與測試的正確率，並使用 svm.plot() 視覺化模型。e1071 套件已預先載入，測試與訓練資料集已提供於資料框 trainset 與 testset。tune.svm() 的輸出已存於變數 tune_out。

本練習屬於課程

R 的支援向量機

檢視課程

練習說明

建立一個使用 2 次多項式 kernel 的 SVM。
使用 tune.svm() 計算出的最佳參數。
取得訓練與測試的正確率。
將決策邊界與訓練資料一同繪製出來。

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。

#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)

編輯並執行程式碼