Lewati ke konten utama

Kursus

Support Vector Machines di R

MenengahTingkat Keterampilan

Diperbarui 01/2023

Kursus ini akan memperkenalkan mesin vektor pendukung (SVM) dengan pendekatan intuitif dan visual.

Mulai Kursus Gratis

RMachine Learning

4 jam

13 videos

47 Latihan

3,950 XP

10,996

Pernyataan Pencapaian

Dipercaya oleh para pelajar di ribuan perusahaan

Melatih Tim?

Coba untuk Bisnis

Deskripsi Kursus

Kursus ini akan memperkenalkan sebuah pengklasifikasi yang kuat, support vector machine (SVM), menggunakan pendekatan intuitif dan visual. Support Vector Machines di R akan membantu Anda memahami model SVM sebagai pengklasifikasi dan memperoleh pengalaman praktis menggunakan implementasi libsvm di R dari paket e1071. Sepanjang kursus, Anda akan membangun pemahaman intuitif tentang konsep-konsep penting seperti hard dan soft margin, kernel trick, berbagai jenis kernel, serta cara menyesuaikan parameter SVM. Bersiaplah untuk mengklasifikasikan data dengan model yang mengesankan ini.

Persyaratan

Introduction to R

1

Pengantar

Bab ini memperkenalkan beberapa konsep kunci support vector machine melalui contoh sederhana satu dimensi. Anda juga akan dipandu membuat himpunan data yang terpisah secara linear yang akan digunakan pada bab selanjutnya.

Kandungan gula pada minuman ringan

Memvisualisasikan himpunan data kadar gula

Mengidentifikasi batas keputusan

Temukan pemisah margin maksimal

Visualisasikan pemisah margin maksimal

Membuat himpunan data yang terpisahkan secara linear

Bangun himpunan data 2D yang berdistribusi seragam.

Buat batas keputusan

Menambahkan margin pada himpunan data

2

Support Vector Classifier - Kernel Linear

Memperkenalkan konsep dasar support vector machine dengan menerapkan algoritma svm pada himpunan data yang terpisah secara linear. Konsep utama diilustrasikan melalui visualisasi ggplot yang dibangun dari keluaran algoritma, dan peran parameter cost disorot melalui contoh sederhana. Bab ini ditutup dengan bagian tentang bagaimana algoritma menangani masalah multikelas.

Support Vector Machine Linear

Membuat himpunan data pelatihan dan pengujian

Membangun pengklasifikasi SVM linear

Mengeksplorasi model dan menghitung akurasi

Memvisualisasikan SVM Linear

Memvisualisasikan support vector dengan ggplot

Memvisualisasikan batas keputusan & margin menggunakan `ggplot2`

Memvisualisasikan batas keputusan & margin menggunakan `plot()`

Mengatur parameter SVM linear

Menyetel SVM linear

Memvisualisasikan batas keputusan dan margin

Kapan pengklasifikasi soft margin berguna?

Masalah multiclass

Masalah klasifikasi multikelas

Iris ulang - akurasi yang lebih tangguh.

3

Kernel Polinomial

Memberikan pengantar terhadap kernel polinomial melalui himpunan data yang terpisah secara radial (memiliki batas keputusan melingkar). Setelah menunjukkan bahwa kernel linear tidak memadai untuk himpunan data ini, Anda akan melihat bagaimana transformasi sederhana membuat masalah tersebut terpisah secara linear, sehingga memotivasi pembahasan intuitif tentang kernel trick. Anda kemudian akan menerapkan kernel polinomial pada himpunan data dan menyetel pengklasifikasi yang dihasilkan.

Membuat himpunan data yang dapat dipisahkan secara radial

Membuat himpunan data 2D yang dapat dipisahkan secara radial

Memvisualisasikan himpunan data

SVM Linear pada data yang terpisah secara radial

SVM linear untuk himpunan data yang terpisah radial

Akurasi rata-rata untuk SVM linear

Trik kernel

Memvisualisasikan data tertransformasi yang dapat dipisahkan radial

SVM dengan kernel polinomial

Menyetel SVM

Menggunakan `tune.svm()`

Membangun dan memvisualisasikan model yang telah dituning

4

Kernel Radial Basis Function

Membangun dari tiga bab sebelumnya dengan memperkenalkan kernel Radial Basis Function (RBF) yang sangat fleksibel. Anda akan membuat himpunan data "kompleks" yang menampilkan keterbatasan kernel polinomial. Lalu, setelah motivasi intuitif untuk kernel RBF, Anda akan melihat bagaimana kernel ini mengatasi kekurangan kernel lain yang dibahas dalam kursus ini.

Membangkitkan himpunan data yang kompleks

Membuat himpunan data yang kompleks - bagian 1

Membuat himpunan data kompleks - bagian 2

Memvisualisasikan himpunan data

Memahami motivasi di balik kernel RBF

SVM linear untuk himpunan data kompleks

SVM Kuadratik untuk himpunan data kompleks

SVM Polinomial pada himpunan data kompleks

SVM RBF pada himpunan data yang kompleks

Menyetel SVM dengan kernel RBF

Support Vector Machines di R

Kursus
Selesai

Memperoleh Surat Keterangan Prestasi

Tambahkan kredensial ini ke profil LinkedIn, resume, atau CV Anda
Bagikan di media sosial dan dalam penilaian kinerja AndaDaftar sekarang

Bergabung dengan 19 juta pelajar dan mulai Support Vector Machines di R Hari Ini!

Kembangkan keterampilan data Anda dengan DataCamp untuk Mobile

Buat kemajuan di mana saja dengan kursus mobile kami dan tantangan coding harian 5 menit.