如何在R中绘制和分析多变量SVM回归

Question

我是R的新手，在绘制svm模型方面遇到了一些麻烦。 1）我们如何绘制和分析多变量SVM回归模型结果。

library(e1071)
set.seed(3)
data = data.frame(matrix(rnorm(100*5), nrow=100))
train=data[1:70,]
test=data[71:100,]
fit = svm(X1 ~ ., data=train)
summary(fit)
pred=predict(fit,test)

2）假设其中一个变量（例如：X2）包含定性数据（例如：高，低和中）而不是定量数据，那么我们应该如何绘制

Answer 1

简而言之：你不能。没有办法可视化超过三维的物体。

你可以做的是处理一些简化，近似等等，你经常可以看到模型的特征，而不是模型本身。例如，可以绘制：

• 错误度量（如R2）与某些超参数（正则化强度，内核宽度，训练集大小等）之间的关系。
• 找到数据集的两个最重要的维度，并将模型绘制为仅在这两个维度之上的三维表面
• 如果您的维度不是很高，您可以进行配对，因此可视化每对维度 - ＆gt;因为它需要mdl-js-ripple-effect图，因此对于d = 5，它只是10个图。
• 从实验的角度来看，许多其他重要的