Question

我在使用插入符号训练SVMLinear时遇到了问题。尽管如此，数据与SVMRadial一样正常。

可通过（2016年5月29日）访问数据： https://www.dropbox.com/s/ia2vc25uhxdgqn1/projetTest01.txt?dl=0

（8000行1021变量，~10％目标）

以下是代码：

projetTest01<-read.table("projetTest01.txt", sep="\t")
Test01<-list(data=projetTest01[,-c(2,3)],label=projetTest01[,3])
Test01N<-Test01

Test01N$label<-as.factor(Test01$label)
levels(Test01N$label)[levels(Test01N$label)=="0"] <- "No"
levels(Test01N$label)[levels(Test01N$label)=="1"] <- "Yes"

temp<-as.matrix(Test01$data)
storage.mode(temp) <- "numeric"     #I need 'num' type
Test01N$data<-as.data.frame(temp)

svmTuneGrid_L <- data.frame(.C = 2^(-2:7))
trControl_SVML<-trainControl(method = "repeatedcv", repeats = 3, classProbs =  TRUE)
svmFit_Lin <- train(Test01N$label ~ ., data = Test01N$data,method = "svmLinear",preProc = c("center", "scale"), tuneGrid = svmTuneGrid_L,trControl = trControl_SVML)

我收到了这些消息：

行搜索失败[..]

方法$ predict中的警告（modelFit = modelFit，newdata = newdata，submodels = param）： kernlab类预测计算失败;返回NAs

data.frame（...，check.names = FALSE）中的警告：行名称是从一个短变量中找到的并且已被丢弃

我在网站/网站上查找了一些答案，但是

级别不是数字（=是/否）
ClassProb设置为TRUE
标签无法从另一个变量完美预测（我从其他算法中知道）
没有空类
preproc（scale）与否（没有区别
使用SVMRadial可以很好地处理数据！
我使用插入符号6.0-68

我真的很茫然。有人的想法吗？

kernlab类预测计算失败=＆gt;使用SVMLinear NOT SVMRadial

0 个答案: