R中的SVM - 分类新实例答案

【问题标题】：SVM in R - Classify new instanceR中的SVM - 分类新实例
【发布时间】：2019-04-02 20:24:42
【问题描述】：

我使用以下代码构建了我的 SVM 模型：

X1 = c(2, 2, -2, -2, 1, 1, -1, -1)
X2 = c(2, -2, -2, 2, 1, -1, -1, 1)
Y = c(1, 1, 1, 1, 2, 2, 2, 2)
alldata = data.frame(X1, X2, Y)
svm_model <- svm(alldata$Y ~ . , kernel = "radial", type = "C-classification", alldata)

现在，我想用值(4,5) 对新实例进行分类。我尝试使用命令：

predict(svm_model, c(4,5))

但我收到以下错误：

Error in dimnames(x) <- dn : 
  length of 'dimnames' [2] not equal to array extent

接下来我创建了一个如下所示的小数据框，尝试进行分类并得到显示的结果：

b1 = c(4)
b2 = c(5)
b = data.frame(b1,b2)
predict(svm_model, b)
   1 <NA> <NA> <NA> <NA> <NA> <NA> <NA> 
   1    1    1    1    2    2    2    2

我在哪里犯错了？

【问题讨论】：

您在公式中使用的变量名称需要与新 data.frame 中用于预测的名称完全匹配（否则 R 如何知道哪些值映射到哪些变量）。试试b = data.frame(X1=b1,X2=b2)。此外，您应该只使用Y ~ . 作为公式（不要使用$）并设置data=alldata。这使得使用 predict 等函数更加安全。

标签： r machine-learning svm

【解决方案1】：

该错误消息表明c(4,5) 包含的信息与您用于训练的alldata 中的信息不同。更具体地说，colnames() 不一样。

通过创建一个新的数据框：

new_data <- data.frame(X1 = 4, X2 = 5) 你将能够得到预期的输出。

【讨论】：

【解决方案2】：

您需要在“b”数据框中具有相同的变量 X1 和 X2 才能进行预测。将代码中的 b1 和 b2 替换为 X1 和 X2。

X1 = c(4)
X2 = c(5)
b = data.frame(X1,X2)

predict(svm_model, b)

【讨论】：