Introduktion

Support Vector Machines i R

Kailash Awati

Instructor

Förutsättningar

Mål: förstå hur SVM:er fungerar, vilka alternativ som finns och när de passar bäst.
Förkunskaper: Grundläggande R-kunskaper på mellannivå; enkel visualisering med ggplot().
Upplägg: Börja med ett endimensionellt exempel och gå gradvis vidare till mer komplexa fall.

Sockerinnehåll i läskedrycker

En läskedryckstillverkare har två versioner av sin flaggskepsprodukt:
- Choke – sockerinnehåll 11 g/100 ml.
- Choke-R – sockerinnehåll 8 g/100 ml.
Det faktiska sockerinnehållet varierar i praktiken.
Givet 25 slumpmässigt valda prover, hitta en beslutsregel för att avgöra vilket märke det är.
Första steget: visualisera data!

Sockerinnehåll i läskedrycker – visualiseringskod

Data finns i dataframe:n drink_samples.

# Specify dataframe, set plot aesthetics in geom_point (note y = 0)
p <- ggplot(drink_samples) +
  geom_point(aes(sugar_content, 0))

# Label each point with sugar content value, adjust text size and location
p <- p +  
  geom_text(aes(sugar_content, 0, label = sugar_content),
            size = 2.5,
            vjust = 2,
            hjust = 0.5)
# Display plot
p

Kapitel 1.1 – kluster för sockerinnehåll

Beslutsgränser

Vi väljer två punkter i intervallet som kandidatgränser:
- 9,1 g/100 ml
- 9,7 g/100 ml
Klassificeringsregler (beslutsregler):
- if (y < 9.1) then "Choke-R" else "Choke"
- if (y < 9.7) then "Choke-R" else "Choke"
Vi visualiserar dem i grafen från föregående bild.

Beslutsgränser – visualiseringskod

Skapa en dataframe med de två beslutsgränserna.

# Define data frame containing decision boundaries
d_bounds <- data.frame(sep = c(9.1, 9.7))

Beslutsgränser – visualiseringskod

Lägg till i grafen med geom_point()

# Add decision boundaries to previous plot
p <- p + 
  geom_point(data = d_bounds,
             aes(sep, 0),
             color = "red",
             size = 3) +
  geom_text(data = d_bounds,
            aes(sep, 0, label = sep),
            size = 2.5,
            vjust = 2,
            hjust = 0.5,
            color = "red") 
# Display plot
p

Kapitel 1.1 – kluster för sockerinnehåll med exempelgränser

Maximal marginseparator

Den bästa beslutsgränsen maximerar marginalen: maximal marginseparator
Den maximala marginseparatorn ligger mitt emellan de två klustren.
Visualisera den maximala marginseparatorn.

# Create data frame with maximal margin separator
mm_sep <- data.frame(sep = c((8.8 + 10) / 2))

# Add mm boundary to previous plot
p <- p + 
  geom_point(data = mm_sep, 
             aes(sep, 0), 
             color = "blue", 
             size = 4)  
# Display plot
p

Kapitel 1.1 – maximal marginseparator

Nu kör vi en övning!

Support Vector Machines i R