Lineární podpůrné vektorové stroje

Support Vector Machines v R

Kailash Awati

Instructor

Rozdělení na trénovací a testovací sadu

Dataset z předchozí kapitoly je uložen v datovém rámci df.
Rozdělte dataset na trénovací a testovací sadu

Náhodné rozdělení 80/20

# Set seed for reproducibility
set.seed(1)
# Set the upper bound for the number of rows to be in the training set
sample_size <- floor(0.8 * nrow(df))
# Assign rows to training/test sets randomly in 80/20 proportion
train <- sample(seq_len(nrow(df)), size = sample_size)
# Separate training and test sets
trainset <- df[train, ]
testset <- df[-train, ]

Rozhodovací hranice a jádra

Rozhodovací hranice mohou mít různé tvary – přímky, polynomy nebo složitější funkce.
Typ rozhodovací hranice se nazývá jádro (kernel).
Jádro musí být zadáno předem.
Tato kapitola se zaměřuje na lineární jádra.

SVM s lineárním jádrem

Použijeme funkci svm z knihovny e1071.
Funkce má řadu parametrů. Následující nastavíme explicitně:
- formula – vzorec určující závislou proměnnou; v našem případě y.
- data – datový rámec s daty, tj. trainset.
- type – nastavte na C-classification (klasifikační úloha).
- kernel – tvar rozhodovací hranice, zde lineární.
- cost a gamma – parametry pro ladění modelu.
- scale – logická hodnota určující, zda se mají data škálovat.

Sestavení lineárního SVM

Načtěte knihovnu e1071 a zavolejte funkci svm()

library(e1071)

svm_model<- svm(y ~ .,
                data = trainset, 
                type = "C-classification", 
                kernel = "linear", 
                scale = FALSE)

Přehled modelu

Zadáním svm_model získáte:
- přehled modelu včetně typu klasifikace a jádra
- hodnoty ladicích parametrů

svm_model

Call:
svm(formula = y ~ .,
    data = trainset,
    type = "C-classification",
    kernel = "linear", 
    scale = FALSE)

Parameters:
   SVM-Type:  C-classification 
 SVM-Kernel:  linear 
       cost:  1 
      gamma:  0.5

Number of Support Vectors:  55

# Index of support vectors in training dataset
svm_model$index

# Support vectors
svm_model$SV

# Negative intercept (unweighted)
svm_model$rho

# Weighting coefficients for support vectors
svm_model$coefs

4   8  10  11  18  37  38  39  47  59  60  74  76  77  78  80  83 ...

             x1         x2
5   0.519095949 0.44232464

-0.1087075

            [,1]
 [1,]  1.0000000

Získejte predikce tříd pro trénovací a testovací sadu.
Vyhodnoťte přesnost modelu na trénovací a testovací sadě.

# Training accuracy
pred_train <- predict(svm_model, trainset)
mean(pred_train == trainset$y)

# Test accuracy
pred_test <- predict(svm_model, testset)
mean(pred_test == testset$y)

1
# Perfect!!

Čas na procvičení!

Support Vector Machines v R