Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment tracer un objet SVM dans R (avec exemple)



Vous pouvez utiliser la syntaxe de base suivante pour tracer un objet SVM (support vector machine) dans R :

library(e1071)

plot(svm_model, df)

Dans cet exemple, df est le nom du bloc de données et svm_model est un ajustement de machine à vecteurs de support utilisant la fonction svm() .

L’exemple suivant montre comment utiliser cette syntaxe dans la pratique.

Exemple : Comment tracer un objet SVM dans R

Supposons que nous ayons le bloc de données suivant dans R qui contient des informations sur divers joueurs de basket-ball :

#create data frame
df <- data.frame(points = c(4, 5, 5, 7, 8, 12, 15, 22, 25, 29),
                 assists = c(3, 4, 6, 8, 5, 6, 5, 6, 8, 12),
                 good = factor(c(0, 0, 0, 1, 0, 1, 0, 1, 1, 1)))

#view data frame
df

   points assists good
1       4       3    0
2       5       4    0
3       5       6    0
4       7       8    1
5       8       5    0
6      12       6    1
7      15       5    0
8      22       6    1
9      25       8    1
10     29      12    1

Supposons que nous souhaitions créer une machine à vecteurs de support qui utilise les points variables et aide à prédire si un joueur est bon ou non (0 = non, 1 = oui).

Nous pouvons utiliser le code suivant pour ajuster la machine à vecteurs de support, puis tracer les résultats :

library(e1071)

#fit support vector machine
model = svm(good ~ points + assists, data = df)

#plot support vector machine
plot(model, df)

Le tracé affiche les valeurs de la variable d’assistance sur l’axe des x, les valeurs de la variable de points sur l’axe des y et utilise deux couleurs différentes pour afficher si un joueur est prédit qu’il sera bon (rouge) ou non ( jaune).

Notez que vous pouvez utiliser l’argument color.palette dans la fonction plot() pour utiliser une palette de couleurs différente pour le tracé.

Par exemple, nous pourrions choisir d’utiliser la palette de couleurs heat.colors :

library(e1071)

#fit support vector machine
model = svm(good ~ points + assists, data = df)

#plot support vector machine using different color palette
plot(model, df, color.palette = heat.colors)

D’autres choix populaires pour l’argument color.palette incluent :

  • arc-en-ciel
  • terrain.colors
  • topo.colors

Chaque palette de couleurs produira des couleurs différentes pour l’intrigue.

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes dans R :

Comment filtrer les valeurs uniques à l’aide de dplyr
Comment filtrer selon plusieurs conditions à l’aide de dplyr
Comment compter le nombre d’occurrences dans les colonnes de R

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *