基于SVM

您所在的位置：网站首页 › r语言 info函数 › 基于SVM

基于SVM

#基于SVM| 来源: 网络整理| 查看: 265

前言

自用生信代码，花费一个多月写下来的。自学R以来第一次写600多行的代码。我的文章已经发表，如对您的研究有帮助希望可以引用一下。文章点我

SVM-RFE

主要是借助e1071包，实现mSVM-REF识别并筛选关键基因，没有安装的小伙伴需要安装一下。

install.packages("e1071")

mSVM-REF函数是John Colby教授写的链接点我。如无法上GitHub，我也上传在我的gitee仓库里，可以点击右边的1直达1。

输入文件整理成这种样子，即行为样本，列为基因，第一列是分组信息（我只做了两组比较，多组对比需要再研究）。 input格式函数是已经写好的，我们直接引用即可。

set.seed(2023) library(e1071) #这里填写你存放的文件路径 source("D:\\ProgramFiles\\R\\Work\\msvmRFE.R") nfold = 10 #10倍交叉验证 nrows = nrow(input) folds = rep(1:nfold, len=nrows)[sample(nrows)] folds = lapply(1:nfold, function(x) which(folds == x)) results = lapply(folds, svmRFE.wrap, input, k=10, halve.above=100) top.features = WriteFeatures(results, input, save=F) featsweep = lapply(1:5, FeatSweep.wrap, results, input) no.info = min(prop.table(table(input[,1]))) errors = sapply(featsweep, function(x) ifelse(is.null(x), NA, x$error)) pdf("svm_rfe.pdf", height = 8, width = 10) PlotErrors(errors, no.info=no.info) dev.off() plot(top.features)#这个图也可以保存

另外我还参考了的Maryam教授的并行代码链接点我，并行计算，提高计算速度。前提是要在win10系统中需要安装Rmpi。印象中我折腾了一下才装上，如果没安装成功，就不要尝试了，用上面的代码让它慢慢跑也是可以出结果的。

set.seed(2023) library(e1071) library(Rmpi) library(snow) library(parallel) #这里填写你存放的文件路径 source("D:\\ProgramFiles\\R\\Work\\msvmRFE.R") nfold = 10 #10倍交叉验证 nrows = nrow(input) folds = rep(1:nfold, len=nrows)[sample(nrows)] folds = lapply(1:nfold, function(x) which(folds == x)) #make a cluster cl

【本文地址】

基于SVM

基于SVM

今日新闻

推荐新闻