机器算法验证 - 如何从 R 中的线性 SVM 获得决策边界？ - 吾爱随笔录

如何从 R 中的线性 SVM 获得决策边界？

机器算法验证 r 支持向量机 e1071

2022-03-07 01:07:20

我需要一个可以为我提供线性 SVM 模型方程的软件包。目前我正在使用e1071像这样：

library(e1071)
m = svm(data, labels, type='C', kernel='linear', cost=cost, probability=FALSE, scale=scale)
w = t(m$coefs) %*% data[m$index,]  #Weight vector
b = -model$rho #Offset

但是，我不确定如何e1071::svm()选择正类和负类，所以我认为这可能会与不同的数据集搞砸。谁能确认这个函数是如何决定哪个类是正面的，哪个是负面的？

另外，有没有更好的包呢？

1个回答

对于数据点，您的 SVM以下列方式 $x$ $d$

d <- sum(w * x) + b

如果则的标签为，否则为。您还可以通过说来获取数据矩阵的标签或决策值 $d > 0$ $x$ $+1$ $-1$ newdata

predict(m, newdata)

或者

predict(m, newdata, decision.values = TRUE)

使用包 e1071 中的 SVM 时要小心，请参阅Problem with e1071 libsvm? 问题。R 的其他几个 SVM 包是 kernlab、klaR 和 svmpath，请参阅此概述：A. Karatzoglou 和 D. Meyer在 R 中的支持向量机。

其它你可能感兴趣的问题

上一篇如何使用统计显着性比较两个不同模型的准确性下一篇组合多个时间序列时应该注意哪些问题？