Question

遗憾的是，我在以下简单示例中使用predict（）时遇到了问题：

library(e1071)

x <- c(1:10)
y <- c(0,0,0,0,1,0,1,1,1,1)
test <- c(11:15)

mod <- svm(y ~ x, kernel = "linear", gamma = 1, cost = 2, type="C-classification")

predict(mod, newdata = test)

结果如下：

> predict(mod, newdata = test)
   1    2    3    4 <NA> <NA> <NA> <NA> <NA> <NA> 
   0    0    0    0    0    1    1    1    1    1

有人可以解释为什么predict（）只给出训练样本（x，y）的拟合值而不关心测试数据吗？

非常感谢你的帮助！

理查德

Answer 1

看起来这是因为您滥用公式界面svm()。通常，提供数据帧或类似对象，在其中搜索公式中的变量。如果你不这样做通常没关系，即使这不是最佳实践，但是当你想要预测时，不将变量放入数据框会让你陷入困境。它返回训练数据的原因是因为您没有为newdata提供一个名为x的组件。因此，它无法找到新数据x，因此返回拟合值。这对于我所知道的大多数R predict方法都很常见。

然后解决方案是：i）将您的训练数据放在数据框中，并将svm作为data参数传递，ii）提供包含x的新数据框（从test）到predict()。 E.g：

> DF <- data.frame(x = x, y = y)
> mod <- svm(y ~ x, data = DF, kernel = "linear", gamma = 1, cost = 2,
+ type="C-classification")
> predict(mod, newdata = data.frame(x = test))
1 2 3 4 5 
1 1 1 1 1 
Levels: 0 1

Answer 2

您需要newdata具有相同的形式，即使用data.frame帮助：

R> library(e1071)
Loading required package: class
R> df <- data.frame(x=1:10, y=sample(c(0,1), 10, rep=TRUE))
R> mod <- svm(y ~ x, kernel = "linear", gamma = 1, 
+             cost = 2, type="C-classification", data=df)
R> newdf <- data.frame(x=11:15)
R> predict(mod, newdata=newdf)
1 2 3 4 5
0 0 0 0 0
Levels: 0 1
R>

顺便说一句，这也会显示svm()的帮助页面：

 ## density-estimation

 # create 2-dim. normal with rho=0:
 X <- data.frame(a = rnorm(1000), b = rnorm(1000))
 attach(X)

 # traditional way:
 m <- svm(X, gamma = 0.1)

 # formula interface:
 m <- svm(~., data = X, gamma = 0.1)
 # or:
 m <- svm(~ a + b, gamma = 0.1)

 # test:
 newdata <- data.frame(a = c(0, 4), b = c(0, 4))
 predict (m, newdata)

总而言之，使用公式接口并提供data.frame ---这就是R工作中所有建模函数的基本功能。

predict.svm不预测新数据

2 个答案: