Question

我正在尝试使用R中的SVM对某些数据进行分类。

数据集：

D1 | D2 | D3 | word1 | word2 |...
1  | 2  | 3  | 0     | 1     |
3  | 2  | 1  | 1     | 0     |

D1，D2，D3取值从0到9，每个字的值为0/1。

首先，我想构建一个基于word1，word2等预测D1的分类器。然后我想构建一个分类器，根据它在D1和单词中的预测来预测D2。 D1，D2和D3曾经是3位数的单个数字，并且数字与前一个数字之间存在关系。

到目前为止，我有：

trainD1 <- train[,-1]
trainD1$D2 <- NULL
trainD1$D3 <- NULL

modelD1 <- svm( train$D1~., trainD1, type="C-classification")

但我完全迷失了，欢迎任何帮助。

由于

Answer 1

我相信你已经知道了这一点，但我只想确保覆盖我的基础 - 如果D1和D2预测D3，那么使用D1和D3的实际值而不是预测总是更好他们。

对于这个问题，我会假设D1和D2可能不存在于您的预测数据集中，因此您必须预测它们。从“单词”变量直接预测D3可能仍然更准确，但这超出了这个问题的范围。

train <- read.csv("trainingSmallExtra.csv")

require(e1071)
d1 <- svm(  x = train[,5:100], # arbitrary subset of words
            y = train$D1,
            gamma = 0.1)

d1.predict <- predict(d1)
train      <- cbind(d1.predict, train)
x_names    <- c("d1.predict", train[,6:101])

d2 <- svm(  x = x_names,  # d1 prediction + arbitrary subset of words
            y = train$D2,
            gamma = 0.1)

d2.predict <- predict(d2)
train      <- cbind(d2.predict, train)

x_names <- c("d1.predict", "d2.predict", colnames(train)[25:150]) 

final <- svm(  x = train[,x_names], 
               y = train$D3,
               gamma = 0.1)

summary(final)

致电：svm.default（x = train [，x_names]，y = train $ D3，gamma = 0.1）

参数：SVM-Type：eps-regression SVM-Kernel：radial
   cost:  1 
  gamma:  0.1 
epsilon:  0.1 
支持向量数量：932

这只是为了向您展示这个过程。在您的代码中，您将需要使用更多单词并设置您认为最合适的选项。

我建议使用保留样本或交叉验证来进行基准测试。将整体模型与单个模型进行比较，该模型试图通过检查其性能基准来直接从单词中预测D3。

使用SVM在R中集合

1 个答案: