資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理
化學
生物
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究如何在R中使用SVM建立用於多個類別的分類模型？
SVM 是一種監督式機器學習演算法，可用於分類或迴歸挑戰，但大多數情況下我們將其用於分類。SVM 的分類也可以用於兩個或多個類別。在 R 中，我們可以簡單地使用 e1071 包的 svm 函式。
示例
考慮 iris 資料 -
str(iris)
輸出
'data.frame': 150 obs. of 5 variables: $ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ... $ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ... $ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ... $ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ... $ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
示例
head(iris,20)
輸出
Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 1.4 0.2 setosa 6 5.4 3.9 1.7 0.4 setosa 7 4.6 3.4 1.4 0.3 setosa 8 5.0 3.4 1.5 0.2 setosa 9 4.4 2.9 1.4 0.2 setosa 10 4.9 3.1 1.5 0.1 setosa 11 5.4 3.7 1.5 0.2 setosa 12 4.8 3.4 1.6 0.2 setosa 13 4.8 3.0 1.4 0.1 setosa 14 4.3 3.0 1.1 0.1 setosa 15 5.8 4.0 1.2 0.2 setosa 16 5.7 4.4 1.5 0.4 setosa 17 5.4 3.9 1.3 0.4 setosa 18 5.1 3.5 1.4 0.3 setosa 19 5.7 3.8 1.7 0.3 setosa 20 5.1 3.8 1.5 0.3 setosa
載入 e1071 包並建立 svm 模型以預測 Species -
示例
library(e1071) model_1<-svm(iris$Species~.,iris) model_1
輸出
Call: svm(formula = iris$Species ~ ., data = iris) Parameters: SVM-Type: C-classification SVM-Kernel: radial cost: 1 Number of Support Vectors: 51
示例
Consider the below data frame: x1<-rnorm(20,1,1.05) x2<-rnorm(20,1,1.05) x3<-rnorm(20,1,1.05) y1<-factor(sample(LETTERS[1:4],20,replace=TRUE)) df1<-data.frame(x1,x2,x3,y1) df1
輸出
x1 x2 x3 y1 1 -0.16972931 0.7246676 1.45289129 D 2 0.70684500 2.2078975 1.64698238 D 3 0.75542931 1.7193236 1.31461683 A 4 -0.01975337 0.6848992 0.80361117 D 5 0.86139532 1.3101784 0.35196665 C 6 -0.53543129 -0.1596975 1.06723416 B 7 -0.81283371 2.1653334 1.93182228 A 8 -0.31556364 -0.4410462 1.61967614 A 9 1.52678513 1.9356670 0.04359926 D 10 1.24594463 0.6215577 0.71009713 A 11 1.53888275 0.7491438 2.08191985 D 12 1.19568488 0.6597553 2.40080721 C 13 -0.18610407 0.3972270 2.23357076 D 14 0.56453388 0.5964609 0.94534907 D 15 1.98699347 0.8026872 -0.68205488 D 16 2.00788377 0.9093129 3.24888927 B 17 1.69652350 0.5379913 0.67402105 A 18 1.28221388 1.7807587 2.06529243 B 19 0.17814671 -0.4299207 0.47859582 D 20 2.82514461 1.9284933 1.59796618 D
建立 svm 模型以預測 y1 -
示例
model_2<-svm(df1$y1~.,df1) model_2
輸出
Call: svm(formula = df1$y1 ~ ., data = df1) Parameters: SVM-Type: C-classification SVM-Kernel: radial cost: 1 Number of Support Vectors: 20
更新於: 2020年12月7日
320 次檢視
廣告