我有4個維度的數據。在R中,我使用plot3d,第四維是顏色。我想現在使用SVM找到最佳迴歸線,以給我最好的相關性。基本上,取決於色彩維度的最佳擬合超平面。我怎樣才能做到這一點?R中迴歸的SVM
Q
R中迴歸的SVM
4
A
回答
10
這是基本的想法(當然具體計算公式會根據您的變量名稱有所不同,這是相關的):
library(e1071)
data = data.frame(matrix(rnorm(100*4), nrow=100))
fit = svm(X1 ~ ., data=data)
然後你就可以使用普通summary
,plot
,predict
等功能在適合的對象上。請注意,對於SVM,通常需要調整超參數以獲得最佳結果。你可以用tune
包裝來做到這一點。還請查看caret
包,我認爲這很好。
5
看看e1071包中的svm函數。 您也可以考慮kernelab,klaR或svmpath軟件包。
編輯:@CodeGuy,約翰給你提供了一個例子。我想你的4個維度是用來分類數據的特徵,而且你還有另外一個變量是真正的類別。
y <- gl(4, 5)
x1 <- c(0,1,2,3)[y]
x2 <- c(0,5,10,15)[y]
x3 <- c(1,3,5,7)[y]
x4 <- c(0,0,3,3)[y]
d <- data.frame(y,x1,x2,x3,x4)
library(e1071)
svm01 <- svm(y ~ x1 + x2 + x3 + x4, data=d)
ftable(predict(svm01), y) # Tells you how your svm performance
相關問題
- 1. Scikit-learn SVM迴歸分解
- 2. 使用SVM迴歸進行預測?
- 3. R中的邏輯迴歸
- 4. RandomResorest R中的迴歸
- 5. R中的指數迴歸
- 6. R中的三角迴歸
- 7. SVM中的R語言
- 8. 迴歸與R中XTS
- 9. 模擬R中迴歸
- 10. R邏輯迴歸
- 11. R矩陣迴歸
- 12. R迴歸循環
- 13. R線性迴歸
- 14. - [R ^符號迴歸
- 15. R - Logarthmic的迴歸分析
- 16. 調整R(線性SVM內核)中的svm參數
- 17. R中的分層多項式迴歸
- 18. R中循環的多個迴歸
- 19. 添加回歸散點圖中的R
- 20. R中迴歸公式的執行
- 21. R中的循環 - 線性迴歸
- 22. R中的二元泊松迴歸?
- 23. R中的項目級迴歸係數?
- 24. 樹中的R:迴歸與分類
- 25. ggplot2:R中的多個迴歸線
- 26. 迴歸中的R與分類變量
- 27. 迴歸中NA值的含義R
- 28. 用R中的迴歸方程預測
- 29. R中的多元邏輯迴歸
- 30. R中的SVM特徵選擇
什麼是你試圖倒退?你沒有給出因變量。你是否清楚支持向量機的含義? – Iterator
修改:取決於顏色尺寸(第四維) – CodeGuy
這很有幫助。順便說一句,通常的術語是顏色變量取決於其他變量。更好的術語是其他變量是預測變量,顏色變量是響應變量。 – Iterator