【问题标题】：Cannot train KSVM in R无法在 R 中训练 KSVM
【发布时间】：2015-08-29 09:58:33
【问题描述】：

我整天都在做这件事。假设我有如下训练数据

1.0000000 0.8260869 0
0.7333333 0.4666667 0
0.0000000 0.0000000 0
0.3076923 0.3076923 0
0.2307692 0.4615385 0
0.9333333 0.4666667 1
0.3157895 0.4210526 1
1.0000000 0.7000000 1
0.3157895 0.2631579 1
0.6666667 0.4444444 1

前几列是我们的特征集，每行的最后一列是我们尝试学习/预测的标签。

但是当我尝试使用以下脚本为上述数据训练 SVM 时，我编写了以下脚本：

library(kernlab)
library(Matrix)

kp = function(d, e){
    gama = 0.25

    DA = d[,1]
    DB = d[,2]
    DE = e[,1]
    DF = e[,2]


    q1 = (norm(as.matrix(DA-DE)))^2
    q2 = (norm(as.matrix(DB-DF)))^2
    q3 = (norm(as.matrix(DA-DF)))^2
    q4 = (norm(as.matrix(DB-DE)))^2

    s1 = min((q1+q2),(q3+q4))

    s = (norm(as.matrix(s1)))^2

    exp(-gama*s)
}

data    <- read.csv(file = "dataset.dat", stringsAsFactors = TRUE, nrows = 10)

xtrain  <- as.matrix(data[,1:2])

ytrain  <- as.matrix(data[,687])

class(kp)<-"kernel"

ksvm(x = xtrain, y = ytrain, type = "C-svc", kernel = kp, C = 128, scale = FALSE)

我收到以下错误

Error in indexes[[j]] : subscript out of bounds
Calls: ksvm -> ksvm -> .local
Execution halted

我已经用谷歌搜索过了，但我找不到解决方案。

问题：

我做错了什么，我该如何让它发挥作用！？

编辑

traceback()的结果如下：

3: .local(x, ...)
2: ksvm(x = xtrain, y = ytrain, type = "C-svc", kernel = kp, C = 128)
1: ksvm(x = xtrain, y = ytrain, type = "C-svc", kernel = kp, C = 128)

还有dput(data)

structure(list(X0.8 = c(1, 0.7333333, 0, 0.3076923, 0.2307692), X0.7 = c(0.8260869, 0.4666667, 0, 0.3076923, .4615385)), .Names = c("X0.8",  "X0.7"), row.names = c(NA, 5L), class = "data.frame")

【问题讨论】：

我相信你的问题可能在于训练数据输入x和响应向量y。你能检查一下y是否应该是一个矩阵？
发布traceback()的结果。理想情况下，一个小数据集的dput() 可以重现问题。
问题已被编辑。

标签： r svm

【解决方案1】：

我也遇到过同样的问题，问题实际上是我的数据集中存在一些无限元素。

您可以使用 apply(xtrain,2,range) 之类的方法检查它们，然后使用 xtrain$your_var[xtrain$your_var==Inf]

【讨论】：

【解决方案2】：

在我的情况下，问题是 NA 值。我删除了它们，我想通了

【讨论】：