Question

我希望得到一些关于我为什么会得到的建议：

Warning message: In method$predict(modelFit = modelFit, newdata =
newdata, submodels = param) :   kernlab class prediction calculations
failed; returning NAs

当我打印预测时：

svmRadial_Predict
  [1] <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA> <NA>....

我为执行SVM拟合而编写的代码：

    #10-fold cross validation in 3 repetitions 
    control = trainControl(seeds = s, method="repeatedcv", number=10,
repeats=3, savePredictions = TRUE, classProbs =  TRUE)

拟合的SVM模型如下：

svmRadial_model = train(y=modelTrain$Emotion,
                        x=modelTrain[c(2:4)],
                        method ='svmRadial',
                        trControl = control,
                        data=modelTrain,
                        tuneLength = 3
                        )

我编写的用于执行预测的代码如下所示：

    svmRadial_Predict <- predict(svmRadial_model, 
newdata = modelTest[c(2:4)], probability = TRUE )

我检查了数据，并且训练或测试集中没有NA值。 y值是一个因子，如果产生差异，x值是数值？任何调试此技巧的提示都将非常感谢！

模型训练我可以看到这样的警告：

line search fails -1.407938 -0.1710936 2.039448e-05

我假设只是模型无法适应数据中特定观察的超平面。我正在使用svmRadial内核我试图拟合的数据已经使用R scale（）函数居中并缩放。

进一步的工作让我相信它与之相关 classProbs = TRUE标志。如果我将其遗漏，则不会打印任何警告。我已经启动了另一段代码，SVM似乎需要花费很长时间才能完成此任务，但我会在完成后立即报告结果。

作为最终编辑，模型拟合没有错误地完成，我可以使用该模型来预测/计算混淆矩阵等。我不明白为什么包括classProbs = TRUE打破它，但也许它＆＃39; s与交叉验证的组合有关，与我在trainControl中请求的交叉验证有关

Answer 1

您的问题是caret程序包的特殊性之一。

使用caret调用的kernlab svm方法导致预测失败有两个潜在原因：

x，y接口返回caret::train函数无法使用的predict对象。

解决方案：只需替换为公式界面即可。

train(form = Emotion ~ . , data = modelTrain, ...

支持向量机算法中的迭代搜索不收敛。

解决方案2a）

在train()调用之前设置不同的种子，直到调用为止收敛。

set.seed(xxx)
train(form = Emotion ~ . , data = modelTrain, ...)

解决方案2b）

按照@ catastrophic-failure here的建议减少参数minstep。对于此解决方案，ksvm函数中没有参数，因此您需要将第2982行中的源代码：minstep <- 1e-10更改为较低的值。然后自己编译源代码。不能保证会有所帮助。

首先尝试解决方案1，因为它最有可能！

Answer 2

我的解决办法就是省略trainControl函数的classProbs = TRUE参数。一旦我这样做，一切都有效。我猜它与引擎盖下的交叉验证有什么关系，但我不确定。

预测拟合插入符号SVM模型时的预测警告

2 个答案: