如何在 tune.svm() 中省略空模型错误？

Question

我正在尝试使用 tune.svm 函数，因为我真的不知道哪些参数会产生一个好的模型（因为训练数据将由用户选择）我需要涵盖广泛的值.目前我有这种行为

tune(svm, value ~ . , data= data_l, ranges=list(cost = 10^(0:5), epsilon = 10^(-1:0)))

Parameter tuning of ‘svm’:
- sampling method: 10-fold cross validation 
- best parameters:
 cost epsilon
  100     0.1
- best performance: 277.5491

和

tune(svm, value ~ . , data= data_l, ranges=list(cost = 10^(0:5), epsilon = 10^(-1:1)))
Error in predict.svm(ret, xhold, decision.values = TRUE) : Model is empty!

（epsilon最大值的差异）

我知道 svm 不适用于 epsilon =10，但我对这个调整函数的直觉是，它可以处理不会生成模型的参数。 为什么不选择可以生成的模型？ 有没有一种“简单”的方法可以忽略这种错误行为？ （我尝试了 tryCatch(tune()) 和我发现的许多其他东西，但我想我必须深入挖掘听起来不再“容易”的 tune/svm/predict-codes）

Answer 1

我对“模型为空！”的理解错误在于它表示将singular 训练矩阵输入到 SVM。请参阅 R 邮件列表中 Salvy 的 answer 至 this 相关帖子和 Oldrich Kruza 相关 message。