Question

我一直在使用kernlab软件包，并且在预先计算的内核中使用ksvm / predict函数时遇到了问题。

我收到的错误信息是：

> ksvm.mod <- ksvm(trainingset.outer, traininglabels.outer, kernel = "matrix",type="C-svc", C = 60, prob.model = TRUE)
> temp <-  predict(ksvm.mod, test.kernel.outer)
Error in .local(object, ...) : test vector does not match model !

我查看了错误位置的源代码，发现它是由于列的差异而导致的

newnrows <- nrow(newdata)
newncols <- ncol(newdata)
if(!is(newdata,"kernelMatrix") && !is.null(xmatrix(object))){
  if(is(xmatrix(object),"list") && is(xmatrix(object)[[1]],"matrix")) oldco <- ncol(xmatrix(object)[[1]])
  if(is(xmatrix(object),"matrix")) oldco <- ncol(xmatrix(object))
  if (oldco != newncols) stop ("test vector does not match model !")
}

但是，我使用的对象具有相同的列

> ncol(trainingset.outer)
[1] 1498
> ncol(test.kernel.outer)
[1] 1498

然后，我查看了根据模型存储的列，并找到了以下内容：

> ncol(xmatrix(ksvm.mod)[[1]])
Error in xmatrix(ksvm.mod)[[1]] : subscript out of bounds
> xmatrix(ksvm.mod)[[1]]
Error in xmatrix(ksvm.mod)[[1]] : subscript out of bounds
> xmatrix(ksvm.mod)
<0 x 0 matrix>
> ?xmatrix
> ksvm.mod
Support Vector Machine object of class "ksvm" 

SV type: C-svc  (classification) 
 parameter : cost C = 60 

[1] " Kernel matrix used as input."

Number of Support Vectors : 831 

Objective Function Value : -211534.1 
Training error : 0.257677 
Probability model included. 
> ncol(xmatrix(gene)[[1]]) # for dataframes used without precomputed kernels
[1] 172

我猜模型没有存储任何物体，我理解正确吗？由于Web中没有使用预先计算内核的包的好例子，我正在写信给你。

PS：如果需要，我会尝试提供测试数据。

Answer 1

你正在做正确的一半。预测对象只需要newdata和支持向量之间的内核距离，但它本身并不提取它们，你必须自己传递它们。

试试这个：

ksvm.mod <- ksvm(trainingset.outer, traininglabels.outer, kernel = "matrix",type="C-svc", C = 60, prob.model = TRUE)
temp <-  predict(ksvm.mod, test.kernel.outer[, SVindex(ksvm.mod))

我在这里假设test.kernel.outer是kernelMatrix，用于衡量测试数据（行）和列车数据（列）之间的内核距离。

使用kernlab包与预先计算的内核时出错

1 个答案: