构建并可视化已调优的模型
在本章的最后一个练习中，您将使用上一个练习中通过 tune.svm() 获得的参数最优值来构建一个多项式 SVM。随后，您将计算训练集与测试集的准确率，并使用 svm.plot() 可视化模型。e1071 库已预加载，训练集和测试集已分别存放在数据框 trainset 和 testset 中。tune.svm() 的输出保存在变量 tune_out 中。
本练习是课程的一部分
R 中的支持向量机
练习说明
- 使用次数为 2 的多项式核构建一个 SVM。
- 使用通过
tune.svm()计算得到的最优参数。 - 得到训练集和测试集的准确率。
- 绘制基于训练数据的决策边界。
交互式实操练习
通过完成这段示例代码来试试这个练习。
#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)