svm 的R实现
来源:互联网 发布:显卡bios升级软件 编辑:程序博客网 时间:2024/05/17 17:58
1.数据准备本地文件格式:
hour15, hour15diff, hour17, hour17diff, addrate, lastflag, res
23.7475, -9.3125, 30.5800, -12.7600, -3.4475, 0, 0
24.6150, -10.3050, 31.7625, -13.5175, -3.2125000000000004, 0, 0
22.7575, -8.5625, 30.9513, -10.6588, -2.0962999999999994, 0, 0
19.7963, -8.0038, 29.9200, -8.9000, -0.8962000000000003, 0, 0
2.读取数据到R
trainModel = read.table('/xxx/xx/train.csv',header=TRUE,sep=',')
3.数据格式处理
简单的大小归一化:
trainModel['hour15'] = trainModel['hour15'] /10
trainModel['hour17'] = trainModel['hour17] /10
trainModel['hour15diff'] = trainModel['hour15diff']/5
...
4.k折交叉验证svm参数选择
library('e1071')
obj = tune.svm(res~.,data=trainModel,gamma = 1,cost = 4,sampling ="fix",kernel='radial')
(trainModel 也可经过pca来降维)
model = svm(res~.,data=trainModel,gamma = obj$best.parameters$gamma,cost=obj$best.parameters$cost,cross=10,kernel='radial')
参数gamma和cost
summary(model)
观察K折中每个的正确率,注意过拟合问题。
若采用多项式核函数 还有degree这个参数(多项式的次数),(具体选用哪个核函数需要根据交叉验证准确率来看)
5.预测
准确性验证
pred = (model,trainModel)
table(pred,trainModel['res'])
真实预测
pred = (model,trainModel[,1:6])
另外一种准确性验证方式:
mean(with(trainModel,pred=res))
- svm 的R实现
- R语言实现SVM的可视化
- SVM在R中的实现
- SVM支持向量机(SMO算法)的R实现
- 基于R语言的支持向量机(SVM)+k均值(K-means)简单实现
- SVM -- R的演示及应用示例
- SVM的python实现
- SVM python3的实现
- R语言中的SVM
- EmguCV中SVM的实现
- 基于opencv的SVM实现
- Matlab实现svm的分类
- svm应用范例,采用svm实现图片的分…
- knn的r实现
- SVM实现
- R - SVM 支持向量机
- R语言中的svm实例
- R--SVM支持向量机
- hdoj.2256 Problem of Precision【矩阵快速幂】 2015/08/18
- applicationContext.xml详解
- c# 二元表达式
- SDIO WiFi Card Driver
- 基于Android SQLite的升级详解
- svm 的R实现
- Linux:扩大文件句柄
- SPOJ 8222 Substrings
- ORACLE 索引
- Centos 安装gitlab
- JS获取屏幕宽高及分辨率
- 嵌入式系统的深度功耗优化
- jquery chosen 默认选中及事件的问题
- linux shell strace 使用 实例