벡터기의 R 구현 지원

두 번째 분류 - 크레디트 데이터 사용:
데이터 준비:
credit.csv("credit.csv")
str(credit) 
dim(credit) #       、            
set.seed(123)
x1:1000,200)
credit_train=credit[-x,]
credit_test=credit[x,] #    20%        

모델 설정:
library(kernlab) #            ksvm  
classifierdefault~.,data=credit_train,kernel="rbfdot") #         ,     

모델 성능 검토:
default_predictionsdefault,y=default_predictions,prop.chisq = F)
#    :
#  | default_predictions 
#credit_test$default |        no |       yes | Row Total | 
#--------------------|-----------|-----------|-----------|
#                 no |       133 |        11 |       144 | 
#                    |     0.924 |     0.076 |     0.720 | 
#                    |     0.796 |     0.333 |           | 
#                    |     0.665 |     0.055 |           | 
#--------------------|-----------|-----------|-----------|
#                yes |        34 |        22 |        56 | 
#                    |     0.607 |     0.393 |     0.280 | 
#                    |     0.204 |     0.667 |           | 
#                    |     0.170 |     0.110 |           | 
#--------------------|-----------|-----------|-----------|
#       Column Total |       167 |        33 |       200 | 
#                    |     0.835 |     0.165 |           | 
#--------------------|-----------|-----------|-----------|

다중 분류: 아이리스 데이터 사용
y=sample(1:150,30)
iris_trainiris_testiris_test
multiSpecies~.,data=iris_train,kernel="rbfdot")
predictions_speciestable(iris_test$Species,predictions_species)

결과:
predicted_species
actual species
setosa
versicolor
virginica
setosa
11
0
0
versicolor
0
6
0
virginica
0
1
12

좋은 웹페이지 즐겨찾기