Sari la conținutul principal

Curs

Support Vector Machines în R

IntermediarNivel de competențe

Actualizat 01.2023

Acest curs prezintă support vector machine (SVM) printr-o abordare intuitivă, vizuală.

Începe cursul gratuit

RMachine Learning

4 h

13 videoclipuri

47 Exerciții

3,950 XP

11,065

Certificat de realizare

Îndrăgit de cursanți din mii de companii

Formare pentru o echipă?

Încearcă pentru afaceri

Descrierea cursului

Acest curs îți prezintă un clasificator puternic – mașina cu vectori suport (SVM) – printr-o abordare intuitivă și vizuală. Support Vector Machines în R te va ajuta să înțelegi modelul SVM ca instrument de clasificare și să câștigi experiență practică folosind implementarea libsvm din pachetul e1071 în R. Pe parcurs, vei dobândi o înțelegere intuitivă a unor concepte importante, cum ar fi marginile dure și moi, trucul nucleului, diferitele tipuri de nuclee și modul de ajustare a parametrilor SVM. Pregătește-te să clasifici date cu acest model impresionant.

Cerințe prealabile

Introduction to R

1

Introducere

Acest capitol prezintă câteva concepte-cheie ale mașinilor cu vectori suport printr-un exemplu simplu în una dimensiune. Vei fi ghidat și prin crearea unui set de date liniar separabil, care este utilizat în capitolul următor.

Conținutul de zahăr din băuturile răcoritoare

Vizualizarea unui set de date despre conținutul de zahăr

Identificarea frontierelor de decizie

Găsește separatorul cu marjă maximă

Vizualizează separatorul cu marjă maximă

Generarea unui set de date liniar separabil

Generează un set de date uniform distribuit în 2D.

Creează o frontieră de decizie

Introduce o margine în setul de date

Începe capitolul

2

Clasificatori cu vectori suport – Nuclee liniare

Îți prezintă conceptele de bază ale mașinilor cu vectori suport, aplicând algoritmul svm pe un set de date liniar separabil. Conceptele-cheie sunt ilustrate prin vizualizări realizate cu ggplot, construite pe baza rezultatelor algoritmului, iar rolul parametrului cost este evidențiat printr-un exemplu simplu. Capitolul se încheie cu o secțiune despre modul în care algoritmul gestionează problemele cu mai multe clase.

Mașini cu vectori suport liniari

Crearea seturilor de antrenament și de testare

Construirea unui clasificator SVM liniar

Explorarea modelului și calculul acurateței

Vizualizarea SVM-urilor liniare

Vizualizarea vectorilor suport cu ggplot

Vizualizarea limitelor de decizie și de marjă cu `ggplot2`

Vizualizarea frontierelor de decizie și de marjă cu `plot()`

Reglarea SVM-urilor liniare

Ajustarea unui SVM liniar

Vizualizarea limitelor de decizie și a marginilor

Când sunt utili clasificatorii cu marjă soft?

Probleme cu mai multe clase

O problemă de clasificare multiclasă

Iris redux – o acuratețe mai robustă.

Începe capitolul

3

Nuclee polinomiale

Oferă o introducere în nucleele polinomiale printr-un set de date separabil radial (adică cu o frontieră de decizie circulară). După ce demonstrează limitele nucleelor liniare pentru acest set de date, vei vedea cum o transformare simplă redă problema liniar separabilă, motivând o discuție intuitivă despre trucul nucleului. Vei aplica apoi nucleul polinomial pe setul de date și vei ajusta clasificatorul obținut.

Generarea unui set de date separabil radial

Generarea unui set de date 2D separabil radial

Vizualizarea setului de date

SVM-uri liniare pe date separabile radial

SVM liniar pentru un set de date separabil radial

Acuratețea medie pentru SVM liniar

Trucul kernelului

Vizualizarea datelor radial separabile după transformare

SVM cu kernel polinomial

Reglarea SVM-urilor

Utilizarea funcției `tune.svm()`

Construirea și vizualizarea modelului optimizat

Începe capitolul

4

Nuclee de tip funcție radială de bază

Se bazează pe cele trei capitole anterioare și introduce nucleul de tip funcție radială de bază (RBF), extrem de flexibil. Vei crea un set de date „complex" care evidențiază limitele nucleelor polinomiale. Apoi, după o motivare intuitivă a nucleului RBF, vei vedea cum acesta remediază deficiențele celorlalte nuclee discutate în acest curs.

Generarea unui set de date complex

Generarea unui set de date complex – partea 1

Generarea unui set de date complex – partea 2

Vizualizarea setului de date

Motivarea kernelului RBF

SVM liniar pentru un set de date complex

SVM cuadratic pentru un set de date complex

Kernelul RBF

SVM polinomial pe un set de date complex

RBF SVM pe un set de date complex

Reglarea unui SVM cu kernel RBF

Începe capitolul

Support Vector Machines în R

Curs
finalizat

Obține diploma de absolvire

Adaugă această acreditare la profilul tău LinkedIn, CV sau rezumat
Distribuie pe rețelele de socializare și în evaluarea ta de performanțăÎnscrie-te acum

Alătură-te celor peste 19 de milioane de cursanți și începe Support Vector Machines în R astăzi!

Dezvoltați-vă abilitățile de gestionare a datelor cu DataCamp pentru mobil

Fă progrese din mers cu cursurile noastre mobile și provocările zilnice de programare de 5 minute.