Exercício 2

Data de entrega: 5/10, as 7:00 (da manha).

Leia os dados do arquivo data1.csv A classe de cada dado é o valor da última coluna (0 ou 1).

Treine um SVM com kernel RBF nos dados do arquivos.

A validação externa deve ser 5-fold estratificado.

Para cada conjunto de treino da validação externa faça um 3-fold para escolher os melhores hiperparametros para C (cost) e gamma.

Faça um grid search de para o C nos valores 2**-5, 2**-2, 2**0, 2**2, e 2**5 e gamma nos valores 2**-15, 2**-10, 2**-5, 2**0, e 2**5

1) Qual a accuracia media (na validação de fora).

2) Quais os valores de C e gamma a serem usados no classificador final (fazer o 3-fold no conjunto todo).

NÃO use funções prontas que ja fazer o grid search como GridSearchCV do sklearn ou o tune do pacote e1070 do R. Neste exercicio eu quero que voces façam os loops explicitamente.

Gere um pdf com o código (R ou Python) e as respostas as perguntas.O exercicio deverá ser submetido via Moodle.

Detalhes R

K-fold estratificado em R é feito pela função createFolds do pacotecaret

a função svm do pacote e1070 implementa o SVM. O default é o SVM RBF (kernel="radial"

Detalhes Python

Stratified k-fold em sklear é a função StratifiedKFold, >p> SVM é implementado por SVC