如何使用svmLinear克拉包而不是回归进行分类

Question

我有一个数据集，其标签为y = 1,2,3,4。我希望使用r中的carat包中提供的train（）函数通过svmLinear方法进行分类。这是我写的示例代码。我使用了默认的trainControl函数。

extern "C"

但看起来，它正在执行回归而不是分类，因为预测值不是1,2,3,4的值。它也有十进制值。 如何使用列车函数的svmLinear方法运行多类分类。

Answer 1

什么类是y？除非svmLinear包中的参数指定了输出类型，否则将分析y并建立关于其类型的模型。至少这是它如何与Caret包装的其他监督方法（例如nnet）一起使用。

简而言之，通过以下方式确保y类型为factor来解决此问题：

trainer = train(as.factor(y) ~ . -y, data=traindf, method="svmLinear")

<强>更新
我无法找到Caret为linearSVM包装的特定包的文档，但您还应该能够在参数中指定类型。例如type=C-svc

predict()也可能是这种情况，您也可以在其中指定类型。例如type = c('prob', 'class')