# SVM.rar

• 我是大宝呀
了解作者
• R language
开发工具
• 1KB
文件大小
• rar
文件格式
• 0
收藏次数
• 10 积分
下载积分
• 0
下载次数
• 2019-12-10 15:39
上传日期

SVM.rar
• SVM.R
2.3KB

library(e1071) data(iris) model<-svm(Species~.,data=iris) #使用所有的变量作为特征变量，直接利用函数建模 #将特征向量和结果向量分别提取出来，特征向量用矩阵表示，结果向量用向量表示 fix(iris) x<-iris[,1:4];y<-iris[,5] model_1<-svm(x,y,kernel="radial",gamma=if(is.vector(x)) 1 else 1/ncol(x)) pre<-predict(model_1,x) set.seed(1234)#随机抽样时设定随机种子复现结果 print(pre[sample(1:150,8)]) table(pre,y) #查看精度 综合建模： library(e1071) attach(iris) x <- subset(iris, select = -Species) y <- Species type <- c("C-classification","nu-classification","one-classification") kernel <- c("linear","polynomial","radial","sigmoid") pred <- array(0,dim = c(150,3,4)) accuracy <- matrix(0,3,4) yy <- as.integer(y) for(i in 1:3){ for(j in 1:4){ pred[,i,j] <- predict(svm(x,y,type=type[i],kernel=kernel[j]),x) if (i>2) { accuracy[i,j] <- sum(pred[,i,j]!=1) } else { accuracy[i,j] <- sum(pred[,i,j]!=yy) } } } dimnames(accuracy)=list(type,kernel) accuracy pred<- predict(svm(x,y.type=type[1],kernel="polymial"),x) model_1<-svm(x,y,kernel="radial",gamma=if(is.vector(x)) 1 else 1/ncol(x)) pre<-predict(model_1,x) set.seed(1234)#随机抽样时设定随机种子复现结果 print(pre[sample(1:150,8)]) table(pre,y) #查看精度 table(pred, y) plot(cmdscale(dist(iris[,-5])), col=c("lightgray","black","gray")[as.integer(iris[,5])], pch=c("o","+")[1:150 %in% model\$index + 1]) legend(2,-0.8,c("setosa","versicolor","virginica"),col = c("lightgray","black","gray"),lty=1) dev.new() data(iris) model <- svm(Species~., data = iris) plot(model, iris, Petal.Width~Petal.Length,fill = FALSE, symbolPalette = c("lightgray","black","grey"),svSymbol = "+") legend(1,2.5,c("setosa","versicolor","virginica"),col = c("lightgray","black","gray"),lty=1) wts <- c(1,1,1)#优化 names(wts) <- c("setosa","versicolor","virginica") model1 <- svm(x,y,class.weights = wts) wts <- c(1,100,100) names(wts) <- c("setosa","versicolor","virginica") model2 <- svm(x,y,class.weights = wts) pred2 <- predict(model2,x) table(pred2,y) wts <- c(1,500,500) names(wts) <- c("setosa","versicolor","virginica") model3 <- svm(x,y,class.weights = wts) pred3 <- predict(model3,x) table(pred3,y) ind<-sample(2,nrow(iris),replace=TRUE,prob=c(0.7,0.3)) #70%为训练集 30%为测试集 train<-iris[ind==1,] test<-iris[ind==2,]

相关推荐
• svm.rar
SVM算法是的发生过的话费旮说句话大概水电费感受到很过分
• Svm.rar
Libsvm-FarutoUltimate3.0 based on libsvm-mat-2.89-3,上交大大佬写的，很棒的学习资料
• SVM.rar
crop yeild prediction using SVM
• SVM.rar
用python代码实现svm向量机，如果有错误希望大家多多指正
• RSVM
RSVM 该源代码是根据以下算法进行编程的： R. Collobert，F.Sinz，J.Weston，L.Bottou，“采用凸性实现可伸缩性”，Proc。 23th Int。 Conf。 马赫Learn。，2006年，第201-208页。 如果您使用该代码进行研究，请...
• matlab实现svm.zip
matlab实现svm
• svm.zip
SVM使用铰链损失函数（hinge loss）计算经验风险（empirical risk）并在求解系统中加入了正则化项以优化结构风险（structural risk），是一个具有稀疏性和稳健性的分类器 [2] 。SVM可以通过核方法（kernel method）...
• SVM.rar
SVM machine learning
• 5.1SVM.rar
SVM支持向量机的测试代码以及对应的运行结果
• SVM.rar
svm功能，用于测试训练，其中含有大量程序，可以选择使用。