目的:利用支持向量機建立分類問題模型與超參數調校
資料:iris data set
說明:利用150筆鳶尾花的資料,以應變數(三種分類)及4個解釋變數進行超參數調校與建立分類模型,並進行模型評估
參考https://mlr3gallery.mlr-org.com/posts/2021-03-09-practical-tuning-series-tune-a-support-vector-machine/


1 以預設超參數值建模


1.1 匯入相關套件

首先匯入R語言機器學習套件mlr3verse。

library("mlr3verse")
## Loading required package: mlr3
# 設定不顯示log訊息。
lgr::get_logger("mlr3")$set_threshold("warn")
lgr::get_logger("bbotk")$set_threshold("warn")


1.2 匯入資料

由mlr3套件中取得任務物件,物件中已封裝iris資料集。

task = tsk("iris")
task
## <TaskClassif:iris> (150 x 5)
## * Target: Species
## * Properties: multiclass
## * Features (4):
##   - dbl (4): Petal.Length, Petal.Width, Sepal.Length, Sepal.Width

設定模型的應變數為Species,解釋變數為Petal.Length, Petal.Width, Sepal.Length, Sepal.Width。


1.3 探索資料

使用data()方法取得資料集,並利用skimr套件檢視資料。

data <- task$data()
skimr::skim(data)<