SVM en R, el paquete e1071 > names(tinto)

Presentación del tema: "SVM en R, el paquete e1071 > names(tinto)"— Transcripción de la presentación:

1 SVM en R, el paquete e1071 > names(tinto)
[1] "fixed.acidity" "volatile.acidity" [3] "citric.acid" "residual.sugar" [5] "chlorides" "free.sulfur.dioxide" [7] "total.sulfur.dioxide" "density" [9] "pH" "sulphates" [11] "alcohol" "quality" Trabajamos con el dataset de vinos tintos verdes portugueses > unique(tinto$quality) [1] > qualcod <- ifelse(tinto$quality %in% c(7,8), 1, -1) > table(qualcod) qualcod Separamos en dos clases los vinos de categoría 7 y 8 del resto

2 SVM en R, el paquete e1071 > ind <- 1:nrow(tinto)
> testind <-sample(ind, trunc(length(ind)/3)) > tinto <- data.frame(tinto, qualcod) > testset <- tinto[testind, -12] > trainset <- tinto[-testind, -12] > tinto.tunesvm <- tune.svm(as.factor(qualcod)~., data=trainset, gamma=2^(-3:3), cost=2^(0:4)) > summary(tinto.tunesvm) Parameter tuning of ‘svm’: - sampling method: 10-fold cross validation - best parameters: gamma cost - best performance: Detailed performance results: gamma cost error dispersion ...

3 SVM en R, el paquete e1071 Con la función tune.svm se puede recorrer una grilla de valores de los parámetros y obtener la mejor combinación. En el caso anterior: gamma =1 C=2 > plot(tinto.tunesvm) > tinto.svm <- tinto.tunesvm$best.model > tinto.svm.pred <- predict(tinto.svm, testset[,-12]) > table(predicho=tinto.svm.pred, verdadero=testset[,12]) verdadero predicho > (8+50)/(nrow(testset)) [1]

4 Clasificando por knn: > tinto.knn <- knn(trainset[, -12], testset[, -12], trainset$qualcod, k=15) > table(predicho=tinto.knn, verdadero=testset[,12]) > (70+2)/nrow(testset) verdadero predicho > (70+2)/(nrow(testset)) [1]