RBF Kernel

R में Support Vector Machines

Kailash Awati

Instructor

संक्षेप में RBF Kernel

डेटासेट में दो बिंदुओं के बीच दूरी का घटता फंक्शन।
k-NN एल्गोरिदम का अनुकरण करता है।

अध्याय 4.3 - RBF kernel - बिंदुओं की दूरी के साथ प्रभाव

RBF kernel के साथ SVM बनाना

जटिल डेटासेट पर RBF kernel SVM बनाएँ

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

प्रशिक्षण/टेस्ट एक्यूरेसी निकालें और प्रशिक्षण डेटासेट पर प्लॉट करें।

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

0.93125

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

0.9416667

#plot decision boundary
plot(svm_model, trainset)

अध्याय 4.3 - जटिल डेटासेट, डिफॉल्ट RBF kernel, svm.plot से प्लॉट

डिसीजन बाउंडरी को और बेहतर करना

tune.svm() से gamma और cost ट्यून करें

# Tune parameters
tune_out <- tune.svm(x = trainset[,-3],
                     y = trainset[,3],
                     gamma = 5 * 10 ^ (-2:2),
                     cost = c(0.01, 0.1, 1, 10, 100),
                     type = "C-classification",
                     kernel = "radial")

सर्वोत्तम पैरामीटर प्रिंट करें

# Print best values of cost and gamma
tune_out$best.parameters$cost

tune_out$best.parameters$gamma

ट्यून किया गया मॉडल

best.parameters से ट्यून किया मॉडल बनाएँ

svm_model <- svm(y ~ ., data = trainset, 
              type = "C-classification", 
              kernel = "radial",
              cost = tune_out$best.parameters$cost,
              gamma = tune_out$best.parameters$gamma)

टेस्ट एक्यूरेसी निकालें

mean(pred_test == testset$y)

0.95

डिसीजन बाउंडरी प्लॉट करें

plot(svm_model, trainset)

अध्याय 4.3 - जटिल डेटासेट, ट्यून किया RBF kernel, svm.plot से प्लॉट

अभ्यास करते हैं!

R में Support Vector Machines