{"id":3554,"date":"2023-07-16T21:03:21","date_gmt":"2023-07-16T21:03:21","guid":{"rendered":"https:\/\/statorials.org\/pl\/wykresl-svm-w-r\/"},"modified":"2023-07-16T21:03:21","modified_gmt":"2023-07-16T21:03:21","slug":"wykresl-svm-w-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/wykresl-svm-w-r\/","title":{"rendered":"Jak wykre\u015bli\u0107 obiekt svm w r (z przyk\u0142adem)"},"content":{"rendered":"

<\/p>\n

\n

Do wykre\u015blenia obiektu maszyny wektor\u00f3w no\u015bnych (SVM) w R mo\u017cna u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni:<\/span><\/p>\n

 library<\/span> (e1071)\n\nplot(svm_model, df)\n<\/strong><\/pre>\n
 W tym przyk\u0142adzie df<\/strong> jest nazw\u0105 ramki danych, a svm_model<\/strong> jest dopasowaniem maszyny wektor\u00f3w no\u015bnych za pomoc\u0105 funkcji svm()<\/strong> .<\/span><\/p>\n
 Poni\u017cszy przyk\u0142ad pokazuje, jak zastosowa\u0107 t\u0119 sk\u0142adni\u0119 w praktyce.<\/span><\/p>\n
 Przyk\u0142ad: Jak wykre\u015bli\u0107 obiekt SVM w R<\/strong><\/span><\/h2>\n
 Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 danych w R, kt\u00f3ra zawiera informacje o r\u00f3\u017cnych koszykarzach:<\/span><\/p>\n
 #create data frame\n<\/span>df <- data. frame<\/span> (points = c(4, 5, 5, 7, 8, 12, 15, 22, 25, 29),\n                 assists = c(3, 4, 6, 8, 5, 6, 5, 6, 8, 12),\n                 good = factor(c(0, 0, 0, 1, 0, 1, 0, 1, 1, 1)))\n\n#view data frame\n<\/span>df\n\n   points assists good\n1 4 3 0\n2 5 4 0\n3 5 6 0\n4 7 8 1\n5 8 5 0\n6 12 6 1\n7 15 5 0\n8 22 6 1\n9 25 8 1\n10 29 12 1<\/strong><\/span><\/pre>\n
 Powiedzmy, \u017ce chcemy stworzy\u0107 maszyn\u0119 wektor\u00f3w no\u015bnych, kt\u00f3ra wykorzystuje zmienne punkty<\/strong> i pomaga<\/strong> przewidzie\u0107, czy gracz jest dobry<\/strong> , czy nie (0 = nie, 1 = tak).<\/span><\/p>\n
 Mo\u017cemy u\u017cy\u0107 poni\u017cszego kodu, aby dopasowa\u0107 maszyn\u0119 wektor\u00f3w no\u015bnych, a nast\u0119pnie wykre\u015bli\u0107 wyniki:<\/span> <\/p>\n
 library<\/span> (e1071)<\/span>\n\n#fit support vector machine\n<\/span>model = svm(good ~ points + assists, data = df)\n\n#plot support vector machine\n<\/span>plot(model, df)<\/span><\/span><\/strong> <\/pre>\n
\"\"<\/p>\n
 Wykres przedstawia warto\u015bci zmiennej pomocniczej<\/strong> na osi x, warto\u015bci zmiennej punktowej<\/strong> na osi y oraz przy u\u017cyciu dw\u00f3ch r\u00f3\u017cnych kolor\u00f3w pokazuje, czy przewidywany jest dobry zawodnik (czerwony), czy nie (\u017c\u00f3\u0142ty).<\/span><\/p>\n
 Pami\u0119taj, \u017ce mo\u017cesz u\u017cy\u0107 argumentu color.palette<\/strong> w funkcji plot()<\/strong> , aby u\u017cy\u0107 innej palety kolor\u00f3w na wykresie.<\/span><\/p>\n
 Na przyk\u0142ad mogliby\u015bmy u\u017cy\u0107 palety kolor\u00f3w heat.colors<\/strong> :<\/span> <\/p>\n
 library<\/span> (e1071)<\/span>\n\n#fit support vector machine\n<\/span>model = svm(good ~ points + assists, data = df)\n\n#plot support vector machine using different color palette\n<\/span>plot(model, df, color. palette<\/span> = heat. colors<\/span> )<\/span><\/span><\/strong> <\/pre>\n
\"\"<\/p>\n
 Inne popularne opcje argumentu color.palette<\/strong> to:<\/span><\/p>\n