相当于scitkit-learn的Decision_function吗？

Question

在scikit-learn中，可以使用rbf内核训练OneClassSVM。并且它将提供一个“ decision_function”，当提供新数据进行预测时，该功能可以告诉您从新数据点到分离的超平面的距离； （但解释对我而言并不重要；有关here的更多信息）

R中是否有与此“决策函数”等效的东西？

这是python的示例：

from sklearn import datasets
from sklearn.svm import OneClassSVM
iris = datasets.load_iris()
svm = OneClassSVM(kernel='rbf',random_state=1)
svmTrained = svm.fit(iris.data)
svmPred = svm.predict(iris.data[1,:].reshape(1,-1))
svmDist = svm.decision_function(iris.data[1,:].reshape(1,-1))

我有兴趣在R中复制它，但被困在svmDist上...这是R中的一个起点：

attach(iris)
x <- subset(iris, select=-Species)
svmTrained = svm(x, y = NULL, type = "one-classification", kernel = "radial")
svmPred = predict(svmTrained, newdata = x[1,], type = "probability", 
decision.values = TRUE)
#svmDist = ?

对此的答案可能是，它试图将C ++ here转换为R。我会在时间允许的情况下使用putz，但希望有些东西已经有些晦涩难懂了我从未听说过的包裹。