使用支持向量回归 R 预测新数据答案

【问题标题】：predict new data using support-vector regression R使用支持向量回归 R 预测新数据
【发布时间】：2016-04-26 20:53:25
【问题描述】：

我正在尝试使用带有 e1071 包的 R 中的支持向量回归来实现留一法交叉验证。我的数据和代码看起来或多或少是这样的：

library(e1071) 

#create fake dataset

y=rpois(30,3)-4+(rbinom(30,1,0.5))/2
x1=c(rep('C',16),rep('S',14))
x2=c(runif(16,0,1),runif(14,0,1)/10)
x3=c(runif(16,0,1)/5,runif(14,0,1))
dat=data.frame(y=y,x1=x1,x2=x2,x3=x3)
train=dat[-1,]
test=dat[1,]

# train the model

model=tune(svm, train$y ~ train$x1*train$x2*train$x3,kernel='linear',
ranges = list(epsilon = seq(0.1,0.6,0.1), cost = 2^(0:9)))
model=model$best.model

#predict

predict(model,newdata=test)

问题是预测函数只返回训练的值，而不是预测测试数据集。我在这里看到了一个类似的问题，predict.svm does not predict new data，但似乎该解决方案不适用于我的代码。关于这个问题的任何想法？

【问题讨论】：

标签： r svm predict

【解决方案1】：

每当您在公式 (~) 中使用 $ 时，这表明事情可能会变得一团糟。以下是您应该如何重新编写tune() 电话

model=tune(svm, y ~ x1*x2*x3, data=train, 
    kernel='linear', ranges = list(epsilon = seq(0.1,0.6,0.1), cost = 2^(0:9)))

这会将变量从train data.frame 中分离出来，并允许您预测具有相同变量名称的新数据集。

【讨论】：

其实我之前就是这样调用函数的，但是由于某种原因，我收到了一条错误消息。现在它起作用了。非常感谢您的帮助！！

【解决方案2】：

这里有几件事 - 我不知道您是否想要 x1、x2 和 x3 之间的三重交互，或者您是否希望它们作为自变量。下面将它们作为自变量运行。然而，最重要的是，您在模型公式中调用数据，这就是为什么您总是预测您的训练数据集 (train$x1)

model=tune(svm, y ~ x1+x2+x3,kernel='linear',data=train,
           ranges = list(epsilon = seq(0.1,0.6,0.1), cost = 2^(0:9)))
model=model$best.model

#predict

predict(model,newdata=test)

【讨论】：

是的，我预计这三个变量之间可能存在相互作用。我以这种形式重写了调调，它奏效了！谢谢！
任何非线性算法都会选择交互。您不需要进行任何乘法运算，这只会使您的方程式变得混乱。