R语言：SVM的实现

2023-08-12 10:10| 来源: 网络整理| 查看: 265

SVM是比较常用的分类算法，其核心采用的是线性分类器，如果数据在当前维度下不可分割，可以映射到更高的维度之上。本文将着重介绍SVM算法的R语言实现。

使用的是e1071包中的svm函数。

数据简介

本文数据选择了红酒质量分类数据集，这是一个很经典的数据集，原数据集中“质量”这一变量取值有{3，4，5，6，7，8}。为了实现二分类问题，我们添加一个变量“等级”，并将“质量”为{3，4，5}的观测划分在等级0中，“质量”为{6，7，8}的观测划分在等级1中。

数据下载戳我

因变量：等级

自变量：非挥发性酸性、挥发性酸性、柠檬酸、剩余糖分、氯化物、游离二氧化硫、二氧化硫总量、浓度、pH、硫酸盐、酒精

library(openxlsx) wine = read.xlsx("C:/Users/Mr.Reliable/Desktop/classification/winequality-red.xlsx") #将数据集分为训练集和测试集,比例为7:3 train_sub = sample(nrow(wine),7/10*nrow(wine)) train_data = wine[train_sub,] test_data = wine[-train_sub,] SVM的实现 R包下载 install.packages('e1071') 实现SVM

svm函数的重要参数：

参数意义formula y y y~ x 1 + 1 2 + . . . + x n x_1+1_2+...+x_n x1+12+...+xn，确定自变量和因变量data使用的数据集type分类：C-classification(default)/nu-classification；文本分类：one-classification；回归：eps-regression(default)/nu-regressionkernellinear/polynomial/radial/sigmoid

SVM算法有很多参数可以选择，而且当type和kernel的选择不同时，其他的参数才有意义，如果没有特别的要求，剩下的参数其实可以不使用或者使用默认值。具体详见SVM算法的参数详解

library(pROC) #绘制ROC曲线 library(e1071) #数据预处理 train_data$等级 = as.factor(train_data$等级) test_data$等级 = as.factor(test_data$等级) #svm：由于是分类问题，此处我们选择C-classification wine_svm

【本文地址】

R语言：SVM的实现

R语言：SVM的实现

今日新闻

推荐新闻