Probleme multiclasă

Support Vector Machines în R

Kailash Awati

Instructor

Setul de date iris - introducere

150 de măsurători pentru 5 atribute
- Lățimea și lungimea petalei - număr (variabile predictoare)
- Lățimea și lungimea sepalei - număr (variabile predictoare)
- Specia - categorie: setosa, virginica sau versicolor (variabilă prezisă)
Set de date disponibil din UCI ML repository

Vizualizarea setului de date iris

Reprezentați lungimea vs. lățimea petalei.

library(ggplot2)

# Plot petal length vs width for dataset, distinguish species by color
p <- ggplot(data = iris,
            aes(x = Petal.Width,
                y = Petal.Length,
                color = Species)) +
     geom_point()

# Display plot
p

Capitolul 2.4 - setul de date iris: lungimea vs. lățimea petalei, speciile distinse prin culoare

Cum gestionează algoritmul SVM problemele multiclasă?

SVM-urile sunt, în esență, clasificatori binari.
Pot fi aplicate problemelor multiclasă folosind următoarea strategie de vot:
- Partiționați datele în subseturi ce conțin câte două clase.
- Rezolvați problema de clasificare binară pentru fiecare subset.
- Folosiți votul majoritar pentru a atribui o clasă fiecărui punct de date.
Numită strategie de clasificare unu-împotriva-unuia.

Construirea unui SVM liniar multiclasă

Construiți un SVM liniar pentru setul de date iris
- Împărțire 80/20 antrenare/testare (seed 10), cost implicit

library(e1071)

# Build model
svm_model <- svm(Species ~ ., 
                data = trainset, 
                type = "C-classification", 
                kernel = "linear")

Calculați acuratețea

pred_train <- predict(svm_model, trainset)
mean(pred_train == trainset$Species)

0.9756098

pred_test <- predict(svm_model, testset)
mean(pred_test == testset$Species)

0.962963

Timp de practică!

Support Vector Machines în R