内核实验室回归

Question

有人在kernlab 回归中遇到过这个困难吗？它似乎失去了一些比例因子或其他东西，但也许我说错了。

library(kernlab)
df <- data.frame(x=seq(0,10,length.out=1000))
df$y <- 3*df$x + runif(1000) - 3
plot(df)
res <- ksvm(y ~ x, data=df, kernel='vanilladot')
lines(df$x, predict(res), col='blue', lwd=2)

通过这个玩具示例，如果我明确传递newdata=df，我可以获得合理的结果，但使用我的真实数据，我发现没有这样的解决方法。有什么见解吗？

Answer 1

传递newdata 参数是正确的方法（否则它将使用内部缩放的数据，就像你看到的那样）。典型的方式是这样的：

newx = seq(min(df$x), max(df$x), len=100)
lines(newx, predict(res, newdata=data.frame(x=newx)), col='blue', lwd=2)

如果这仍然不适用于您的真实数据，请详细说明...

对于它的价值，我通常更喜欢先手动缩放我的数据，然后设置scaled=F。这样您就不必担心会在不同时间出现的这类事情。

编辑：我还应该补充一点，当您制作newdata 数据框时，变量名称应该与您用于创建模型的名称相匹配，而不一定是“x”。