O Support Vector Machine (SVM) é um algoritmo de aprendizado de máquina usado para classificação e regressão. Ele encontra um hiperplano que separa dados pertencentes a duas classes diferentes. Basicamente, o SVM identifica os pontos extremos entre as classes e usa esses pontos para definir as margens de separação. Além disso, o SVM não se limita a dados linearmente separáveis; ele pode ser aplicado a dados mais complexos também.
Este repositório apresenta a aplicação desse algoritmo em diferentes datasets utilizando a linguagem R com RStudio. Atualmente, ele inclui scripts para os datasets Iris e Wine.
- R e RStudio instalados (para execução local)
- Docker instalado (para execução via Docker)
Você pode executar o código de duas maneiras: localmente ou utilizando Docker.
-
Clone o repositório e navegue até a pasta do projeto.
git clone https://github.com/esscova/svm-R.git cd svm -
Execute o script R localizado em
scripts/.
-
Clone o repositório e navegue até a pasta do projeto.
git clone https://github.com/esscova/svm-R.git cd svm -
Para construir a imagem Docker, execute:
docker build -t svm-r . -
Para iniciar o container Docker, execute:
docker run -p 8787:8787 svm-r
-
Acesse o RStudio Server em
http://localhost:8787. -
Faça login utilizando as seguintes credenciais:
- Usuário:
rstudio - Senha:
123456
- Usuário:
-
Abra o arquivo
svm_wine.Rno RStudio e execute o código.
- Certifique-se de ter o Docker instalado na sua máquina.
- A imagem Docker é baseada em
rocker/rstudio:lateste inclui os pacotes R necessários. - O arquivo
wine.csvserá copiado para o container Docker e estará disponível para o script R durante a execução.
Para uma análise detalhada do processo de implementação da SVM e dos resultados, consulte:
- Classificação das espécies de flores do dataset Iris
- Classificação dos tipos de vinhos do dataset Wine
