SVM 中预测模型和测试集数据的元组数不同

Question

我有一个包含两列的数据集，如下所示，其中第 1 列，时间戳是时间的特定值，第 10 列给出了该时间实例的总电量使用情况。该数据共有 81502 个实例。

我正在使用 e1071 包对 R 中的这些数据进行支持向量回归，以预测未来的电力使用情况。代码如下。我首先将数据集分为训练数据和测试数据。然后使用训练数据使用 svm 函数对数据建模，然后预测测试集的功耗。

    library(e1071)
    attach(data.csv)
    index <- 1:nrow(data.csv)
    testindex <- sample(index,trunc(length(index)/3))
    testset <- na.omit(data.csv[testindex, ])
    trainingset <- na.omit(data.csv[-testindex, ])
    model <- svm(Column.10 ~ timestamp, data=trainingset)
    prediction <- predict(model, testset[,-2])
    tab <- table(pred = prediction, true = testset[,2])

但是，当我尝试根据预测生成混淆矩阵时，出现错误：

    Error in table(pred = prediction, true = testset[, 2]) : all arguments must have the same length

所以我试图求出两个参数的长度，发现

    the length(prediction) to be 81502
    and  the length(testset[,2]) to be 27167

由于我只对测试集做了预测，不知道81502个值是怎么预测的。预测和测试集的总值有何不同？尽管我只为测试集给出了整个数据集的功率值，但如何预测？

Answer 1

改变

prediction <- predict(model, testset[,-2])

在

prediction <- predict(model, testset)

但是，你不应该在做回归时使用 table，而是使用 MSE。

SVM 中预测模型和测试集数据的元组数不同

Different no of tuples for the prediction model and test set data in SVM

r

svm

predict