R 中一类 SVM 的示例

机器算法验证 r 支持向量机
2022-03-14 17:55:24

我正在尝试在 R 中做一类 SVM。我一直在尝试使用 e1071/ksvm kernlab 包。但我不确定我是否做得正确。

R中的一类SVM是否有任何工作示例？

还，

  • 我给出了一个很大的预测变量矩阵作为 X。由于它应该是一类，是否假设我给出的所有训练数据都形成了“正”类？如果是这样，我们不必给标签“Y”吗？
  • 作为输出给出的预测标签是真/假。所以我假设，True 是“正”类。

编辑：附加示例代码。在这里，我对 60% 的“TRUE”类进行了抽样，并在完整的数据集上进行了测试。

library(e1071)
library(caret)

data(iris)

iris$SpeciesClass[iris$Species=="versicolor"] <- "TRUE"
iris$SpeciesClass[iris$Species!="versicolor"] <- "FALSE"
trainPositive<-subset(iris,SpeciesClass=="TRUE")
inTrain<-createDataPartition(1:nrow(trainPositive),p=0.6,list=FALSE)
trainpredictors<-iris[inTrain,1:4]
testpredictors<-iris[,1:4]
testLabels<-iris[,6]

svm.model<-svm(trainpredictors,y=NULL,
               type='one-classification',
               nu=0.5,
               scale=TRUE,
               kernel="radial")
svm.pred<-predict(svm.model,testpredictors)
confusionMatrixTable<-table(Predicted=svm.pred,Reference=testLabels)
confusionMatrix(confusionMatrixTable,positive='TRUE')
2个回答

An Introduction to Statistical Learning第 9 章实验练习提供了一个使用 SVM 进行二进制分类的工作示例，它确实使用了 e1071 库。经出版商许可，该书的PDF 版本可供免费下载。

我正在提供上述代码的更正版本。您的“trainpredictors”选择是错误的，因为您是从 iris 而不是“trainPositive”中选择的，但索引 u 是从“trainPositive”中选择的。准确度：训练=78.125 测试=91.53

library(e1071)
library(caret)
library(NLP)
library(tm)

data(iris)

iris$SpeciesClass[iris$Species=="versicolor"] <- "TRUE"
iris$SpeciesClass[iris$Species!="versicolor"] <- "FALSE"
trainPositive<-subset(iris,SpeciesClass=="TRUE")
testnegative<-subset(iris,SpeciesClass=="FALSE")
inTrain<-createDataPartition(1:nrow(trainPositive),p=0.6,list=FALSE)

trainpredictors<-trainPositive[inTrain,1:4]
trainLabels<-trainPositive[inTrain,6]

testPositive<-trainPositive[-inTrain,]
testPosNeg<-rbind(testPositive,testnegative)

testpredictors<-testPosNeg[,1:4]
testLabels<-testPosNeg[,6]

svm.model<-svm(trainpredictors,y=NULL,
           type='one-classification',
           nu=0.10,
           scale=TRUE,
           kernel="radial")

svm.predtrain<-predict(svm.model,trainpredictors)
svm.predtest<-predict(svm.model,testpredictors)

confTrain<-table(Predicted=svm.predtrain,Reference=trainLabels)
confTest<-table(Predicted=svm.predtest,Reference=testLabels)

confusionMatrix(confTest,positive='TRUE')

print(confTrain)
print(confTest)
其它你可能感兴趣的问题
上一篇如果分布不正常，如何测试两个分布的方差是否不同 下一篇分类名义变量之间的类别之间的相关性