使用kernlab包的ksvm进行预测有错误

Question

我使用ksvm函数来训练数据，但在预测我有错误时，这里是代码：

 svmmodel4 <- ksvm(svm_train[,1]~., data=svm_train,kernel = "rbfdot",C=2.4,
               kpar=list(sigma=.12),cross=5)

警告讯息： 在.local（x，...）中：变量`'常量。无法扩展数据。

pred <- predict(svmmodel4, svm_test[,-1])

eval（expr，envir，enclos）出错：找不到对象'res_var'。

如果我添加响应变量，它可以工作：

pred <- predict(svmmodel4, svm_test)

但是如果添加响应变量，它怎么能“预测”？我的代码出了什么问题？谢谢你的帮助！

完整的代码：

library(kernlab)
svmData <- read.csv("svmData.csv",header=T,stringsAsFactors = F)
svmData$res_var <- as.factor(svmData$res_var)
svm_train <- svmData1[1:2110,]
svm_test <- svmData1[2111:2814,]
svmmodel4 <- ksvm(svm_train[,1]~.,data = svm_train,kernel = "rbfdot",C=2.4, 
              kpar=list(sigma=.12),cross=5)
pred1 <- predict(svmmodel4,svm_test[,-1])

Answer 1

您无法从测试数据集中删除“响应”列。您只需将数据水平划分即可，这意味着响应列必须位于您的训练和测试数据集中，甚至在验证数据集中（如果有的话）。

您的功能

pred <- predict(svmmodel4, svm_test)

工作正常，预测函数将获取您的数据，知道您要分解的列，并针对模型测试其余部分。您的训练和测试数据集的列数必须相同，但行数可以不同。