लिनियर SVMs को विज़ुअलाइज़ करना

R में Support Vector Machines

Kailash Awati

Instructor

ggplot() का उपयोग करके training डेटा प्लॉट करें।

# Visualize training data, distinguish classes using color
p <- ggplot(data = trainset, aes(x = x1, y = x2, color = y)) +
     geom_point() +
     scale_color_manual(values = c("red", "blue"))
# Render plot
p

svm_model के index से support vectors चिन्हित करें।

# Identify support vectors
df_sv <- trainset[svm_model$index, ]
# Mark out support vectors in plot
p <- p + geom_point(data = df_sv,
                    aes(x = x1, y = x2),
                    color = "purple",
                    size = 4, alpha = 0.5)
# Display plot
p

अध्याय 2.2 - रैखिक रूप से विभाज्य डेटा, डिफॉल्ट cost लिनियर kernel के साथ support vectors

बाउंडरी का slope और intercept निकालें:

svm_model के coefs और SV एलिमेंट से weight वेक्टर w बनाएँ।

# Build weight vector
w <- t(svm_model$coefs) %*% svm_model$SV

slope =-w[1] / w[2]

# Calculate slope and save it to a variable
slope_1 <- -w[1] / w[2]

intercept = svm_model$rho / w[2]

# Calculate intercept and save it to a variable
intercept_1 <- svm_model$rho / w[2]

पिछली स्लाइड में निकले slope और intercept से decision boundary जोड़ें।
प्लॉट में boundary जोड़ने के लिए geom_abline() का उपयोग करें।

# Plot decision boundary based on calculated slope and intercept
p <- p + geom_abline(slope = slope_1,
                     intercept = intercept_1)

Margins boundary के समानांतर हैं, दोनों तरफ 1 / w[2] से offset।

# Add margins to plot
p <- p + 
    geom_abline(slope = slope_1,
                intercept = intercept_1 - 1 / w[2],
                linetype = "dashed") + 
    geom_abline(slope = slope_1,
                intercept = intercept_1 + 1 / w[2],
                linetype = "dashed")
# Display plot
p

अध्याय 2.2 - रैखिक रूप से विभाज्य डेटा, डिफॉल्ट cost लिनियर kernel के साथ support vectors, डिसीज़न और मार्जिन बाउंडरी

सॉफ्ट मार्जिन क्लासिफ़ायर्स

बाउंडरी के स्थान/आकार में अनिश्चितता मानें
- कभी पूरी तरह रैखिक नहीं
- आमतौर पर अज्ञात
हमारी डिसीज़न बाउंडरी रैखिक है, इसलिए मार्जिन घटा सकते हैं

svm के plot() फंक्शन से डिसीज़न बाउंडरी विज़ुअलाइज़ करना

e1071 में svm का plot() फंक्शन डिसीज़न बाउंडरी प्लॉट करना आसान बनाता है।

# Visualize decision boundary using built in plot function
plot(x = svm_model,
     data = trainset)

अध्याय 2.2 - रैखिक रूप से विभाज्य डेटासेट, डिफॉल्ट cost लिनियर kernel, svm.plot से प्लॉट

अभ्यास करते हैं!

R में Support Vector Machines