我正在尝试使用调查详细信息将受访者分为5个群集。
使用多项式线性回归我得到的校正分类为56％。当我使用SVM（RBM Kernel v-svm）时，我能够获得61％的分类（从56％增加）。
对于Multi-Nomial，我使用R（Rattle） - 输出具有所有聚类的等式。所以我可以在excel或任何其他软件中实现该模型。
但是当我运行SVM（R-Rattle＆amp; Python-Orange）时，他们都没有给出任何等式。虽然我喜欢SVM的分类结果，但没有任何方程/我不能使用它。因为我们的客户只想要excel中的模型。
以下是我的疑问。
SVM是否可以生成线性回归/分类模型等方程式。
我尝试过SVM，NN，RF所有这些都没有产生任何等式。是否还有其他模型可以提供与SVM / RF相同的结果，并且可以在excel中实现。
答案 0 :(得分：1)
你总是可以从任何模型中提取精确的方程，但这不会像线性回归那样“好”（这很明显 - “好”方程是简单方程，简单方程通常是弱模型）。
在RBF SVM的情况下，您可以以函数形式提取方程，所以
svm(x) = sgn( SUM_i alpha_i K(x_i,x) + b )
其中x_i是支持向量（训练示例的子集，您可以“写下”）而K（x，y）是RBF内核：
K(x,y) = e^(-gamma||x-y||^2)
其中gamma是代码中使用的参数
所以整个等式变为
svm(x) = sgn( alpha_1 e^(-gamma||x_1-x||^2) + alpha_2 e^(-gamma||x_2-x||^2) + ... + alpha_n e^(-gamma||x_n-x||^2) + b)