Re: 문제197. (오늘의 마지막 문제)미국 대학 입학 데이터인 binary.csv 를 가지고 서포트 벡터 머신 모델을

[19기_박찬혁]

#구현 순서
#1. 데이터를 불러옵니다.
bi <- read.csv("c:\\data\\binary.csv", header=T)
head(bi)

bi$admit <- as.factor(bi$admit)
str(bi)

#2. 훈련과 테스틀 8대 2로 나눕니다.
library(caret)
set.seed(123)
k <-  createDataPartition(bi$admit, p=0.8, list=FALSE)
train_data <- bi[  k  ,   ]
test_data <- bi[ -k  ,    ] 
nrow(train_data)   # 320
nrow(test_data)    # 80

normalize <- function(x) {  
                                    return  (  ( x-min(x) ) / ( max(x) - min(x) )   ) 
                                 }

train_data_n <-  as.data.frame( lapply( train_data[ , -1], normalize)  )
test_data_n <-  as.data.frame( lapply( test_data[ , -1], normalize)  )

train_data_n$admit <- train_data[ ,c("admit")]
test_data_n$admit <- test_data[ ,c('admit')]


C_values <- c(1:100)
gamma_values <- 2^(-20:-1)

results <- data.frame( C=numeric(), gamma=numeric(), accuracy=numeric() )

bi_svm_model <- svm(admit ~ ., data = train_data_n, kernel = "radial", cost = C, gamma = gamma)
result <- predict(bi_svm_model, test_data_n[, c(1:3)])
result
sum(result == test_data_n$admit) / length(test_data_n$admit)

library(e1071)
set.seed(123)

for ( C in  C_values) {
  for ( gamma in gamma_values) { 

bi_svm_model <- svm(admit ~ ., data = train_data_n, kernel = "linear", cost = C, gamma = gamma)
set.seed(123)
# 모델 예측
result <- predict(bi_svm_model, test_data_n)   # 정답제외하고 예측함

# 모델 평가
accuracy <- sum(result == test_data_n$admit) / length(test_data_n$admit)
results <- rbind( results, data.frame(C=C, gamma=gamma, accuracy=accuracy))

 }
}

library(doBy)
orderBy( ~ -accuracy, results)