基于R语言的支持向量机(SVM)+k均值(K-means)简单实现
来源:互联网 发布:linux修改用户权限命令 编辑:程序博客网 时间:2024/06/05 00:49
SVM作为一种监督学习算法,主要任务是将线性不可分的样本通过一种非线性算法(如核函数)映射到高纬空间系统,使得样本集在高纬空间变得线性可分的机器学习算法。K-means作为非监督学习算法,能在对未知样本在无标签的情况下进行划分,对探索样本内部结果分布具有重要意义,本文将用R语言简单实现两种算法
1、SVM
install.packages("e1071")
set.seed("123") //设置随机数种子,也可不设置
library(e1071)//导入需要的包
nrow(iris)//查看r自带的数据集iris的行数
index=sample(1:nrow(iris),100)//随机选出数据集的100行数据作为测试集
traindata<-iris[index,]//测试数据
testdata<-iris[-index,]//训练数据
svmmodel<-svm(Species~.,data=traindata)//用测试数据建立SVM模型
result<-predict(object=svmmodel,newdata=testdata,type="class")//模型在测试数据集上测试
table(result,testdata$Species)//查看测试结果,生成一个混淆矩阵
2、k-means
install.packages("stats")
library(stats)
modelkmeans<-kmeans(x=subset(iris,select=-Species),center=3)
table(modelkmeans$cluster,iris$Species)
- 基于R语言的支持向量机(SVM)+k均值(K-means)简单实现
- K-means(K均值)
- SVM支持向量机(SMO算法)的R实现
- K-Means Algorithm(K-均值算法)
- k-Means(二分k-均值算法)
- k均值聚类(k-means)
- K均值聚类(K-means)
- k均值聚类(k-means)
- K-means基于的简单实现
- 基于划分的聚类----K-means算法使用(R语言)
- 基于R语言的聚类分析(k-means,层次聚类)
- K-Means的简单实现
- K-means的简单实现
- 聚类之均值聚类(k-means)算法的python实现
- 聚类之均值聚类(k-means)算法的python实现
- R语言聚类算法之k均值聚类(K-means)
- 经典算法(5):K-均值算法(K-Means)
- K均值聚类算法(K-Means Clustering Algorithm)
- sybase isql命令参数详解
- isUglyNUM
- 杭电oj-1003-Max Sum
- Windows(x64)编译FFMPEG
- Flowing ConvNets for Human Pose Estimation in Videos
- 基于R语言的支持向量机(SVM)+k均值(K-means)简单实现
- Android开发中,需要去打开的几个网址(持续更新)
- 一次BTREE索引遇到ORA-08102错误的处理
- byte[] int 互转 随笔
- Canvas设置宽高 绘图拉伸
- java中静态代码块的用法 static用法详解
- MySQL Connector/C++(一)
- #学习笔记#(8)logo-photoshop
- phonegap混合开发之环境安装