R 中的 SVM - 对新实例进行分类

Question

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))

但出现以下错误：

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

接下来我做的是创建一个如下所示的小数据框，尝试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

我哪里出错了？

Answer 1

该错误消息表明 c(4,5) 中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() 不相同。

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。

Answer 2

您的 'b' 数据框中需要有相同的变量 X1 和 X2 才能进行预测。用 X1 和 X2 替换代码中的 b1 和 b2。

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

predict(svm_model, b)

R 中的 SVM - 对新实例进行分类

SVM in R - Classify new instance

r

machine-learning

svm