Multiklassningsproblem

Support Vector Machines i R

Kailash Awati

Instructor

Iris-datamängden – en introduktion

150 mätningar av 5 attribut
- Kronbladets bredd och längd – numerisk (prediktorvariabler)
- Foderbladets bredd och längd – numerisk (prediktorvariabler)
- Art – kategori: setosa, virginica eller versicolor (predikterad variabel)
Datamängden finns på UCI ML repository

Visualisering av iris-datamängden

Plotta kronbladslängd mot kronbladsbredd.

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

Kapitel 2.4 – iris-datamängden: kronbladslängd mot kronbladsbredd, arter färgkodade

Hur hanterar SVM-algoritmen multiklassningsproblem?

SVM är i grunden en binär klassificerare.
Den kan tillämpas på multiklassningsproblem med följande röstningsstrategi:
- Dela upp datan i delgrupper med två klasser vardera.
- Lös det binära klassificeringsproblemet för varje delgrupp.
- Tilldela varje datapunkt en klass med majoritetsröstning.
Kallas en-mot-en-klassificeringsstrategi.

Bygg en linjär SVM för multiklassning

Bygg en linjär SVM för iris-datamängden
- 80/20 tränings-/testuppdelning (seed 10), standardkostnad

library(e1071)

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

Beräkna träffsäkerheten

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

Nu kör vi en övning!

Support Vector Machines i R