https://github.com/esscova/svm-r
Este repositório contém uma implementação do algoritmo SVM para classificação de dados nos datasets Iris e Wine, usando a linguagem R com RStudio. Você pode executar o código localmente ou com Docker.
https://github.com/esscova/svm-r
iris iris-classification ml svm svm-classifier svm-kernel wine-classification wine-dataset
Last synced: 3 months ago
JSON representation
Este repositório contém uma implementação do algoritmo SVM para classificação de dados nos datasets Iris e Wine, usando a linguagem R com RStudio. Você pode executar o código localmente ou com Docker.
- Host: GitHub
- URL: https://github.com/esscova/svm-r
- Owner: esscova
- Created: 2024-06-13T22:15:34.000Z (over 1 year ago)
- Default Branch: main
- Last Pushed: 2024-06-14T20:25:40.000Z (over 1 year ago)
- Last Synced: 2025-05-28T20:58:13.950Z (4 months ago)
- Topics: iris, iris-classification, ml, svm, svm-classifier, svm-kernel, wine-classification, wine-dataset
- Language: R
- Homepage:
- Size: 468 KB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Support Vector Machine
> 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.
## Requisitos
- R e RStudio instalados (para execução local)
- Docker instalado (para execução via Docker)
## Como executar os scripts
Você pode executar o código de duas maneiras: localmente ou utilizando Docker.
### Execução local
1. Clone o repositório e navegue até a pasta do projeto.
```sh
git clone https://github.com/esscova/svm-R.git
cd svm
```
2. Execute o script R localizado em `scripts/`.
### Utilizando Docker
1. Clone o repositório e navegue até a pasta do projeto.
```sh
git clone https://github.com/esscova/svm-R.git
cd svm
```
2. Para construir a imagem Docker, execute:
```sh
docker build -t svm-r .
```
3. Para iniciar o container Docker, execute:
```sh
docker run -p 8787:8787 svm-r
```
4. Acesse o RStudio Server em `http://localhost:8787`.
5. Faça login utilizando as seguintes credenciais:
- **Usuário**: `rstudio`
- **Senha**: `123456`
6. Abra o arquivo `svm_wine.R` no RStudio e execute o código.
### Notas adicionais
- Certifique-se de ter o Docker instalado na sua máquina.
- A imagem Docker é baseada em `rocker/rstudio:latest` e inclui os pacotes R necessários.
- O arquivo `wine.csv` será copiado para o container Docker e estará disponível para o script R durante a execução.
## Relatórios das análises
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
## Connect with me
[](mailto:wmoreira.ds@gmail.com)
[](https://www.linkedin.com/in/wellington-moreira-santos/)
[](https://www.facebook.com/wellmoreiras)
[](https://www.instagram.com/moreira.883/)
[](https://t.me/wellington_moreira_santos)