Question

我使用SVM进行分类，我将数据集分为两个CSV文件，一个是训练集（70％的数据），另一个是测试集（30％的数据）。当我在trainig上使用预测时，我得到答案，但在测试设置上显示错误我正在使用e1071包

程序如下

Train <- read.csv("Train.csv")
Test <- read.csv("Test.csv")

x_Train <- subset(Train,select=-Class)
y_Train <- Train$Class

model <- svm(Class ~., data=Train)


pred=predict(model, x_Train) #working well
table(pred,y_Train)  


 x_Test <- subset(Test,select=-Class)
 y_Test <- Test$Class

pred <- predict(model, x_Test) #getting_error

Error in scale.default(newdata[, object$scaled, drop = FALSE], center =         object$x.scale$"scaled:center",  : 
length of 'center' must equal the number of columns of 'x'

请问你能解决问题吗？？

Answer 1

这是因为输出具有比例变量，而这些比例变量与“newdata”变量不匹配。

假设您为5个变量训练了SVM模型，称为PC2：PC6

svm_model$x.scale
$`scaled:center`
          PC2           PC3           PC4           PC5           PC6           
 5.445380e-16  2.507442e-16 -7.655441e-16 -5.730488e-16 -3.283584e-16 

$`scaled:scale`
      PC2       PC3       PC4       PC5       PC6       
17.774403 13.571134  7.911114  6.541206  3.608903

如果变量的长度> 5，则在新数据中，您将收到此错误。在您的情况下，x_Test <- subset(Test,select=-Class)最有可能更改要扩展的变量数。

Answer 2

删除测试数据中缺少的数据，或在预测模型中添加na.action = na.omit。或者您可以使用na.action = na.exclude

model <- svm(Class ~., data=Train, na.action = na.exclude)

Answer 3

如果列车集中的预测变量类与测试集中该变量的类不同，那么您将遇到此问题。

例如，如果您使用预测变量x和[{1}}并且在测试集class(x) = numeric中训练了一个模型，那么您应该将class(x) = character转换为x在预测之前：

numeric

话虽如此，它可以是任何不严格data$x <- as.numeric(data$x)或character的课程，也可以是numeric变量。

Answer 4

好的，对于那些有这个错误的人，但这些解决方案都没有像我一样工作：我所做的是略微增加测试数据的大小，它就像一个魅力。第一次出现错误时，我将2套80-20分开，尝试75-25并且工作得很好。我无法确定原因，但确实有效。

SVM正在研究训练集，但不在R中的测试集上

4 个答案: