
在R中使用支持向量機(jī)(SVM)進(jìn)行數(shù)據(jù)挖掘(上)
在R中,可以使用e1071軟件包所提供的各種函數(shù)來完成基于支持向量機(jī)的數(shù)據(jù)分析與挖掘任務(wù)。請?jiān)谑褂孟嚓P(guān)函數(shù)之前,安裝并正確引用e1071包。該包中最重要的一個(gè)函數(shù)就是用來建立支持向量機(jī)模型的svm()函數(shù)。我們將結(jié)合后面的例子來演示它的用法。
下面這個(gè)例子中的數(shù)據(jù)源于1936年費(fèi)希爾發(fā)表的一篇重要論文。彼時(shí)他收集了三種鳶尾花(分別標(biāo)記為setosa、versicolor和virginica)的花萼和花瓣數(shù)據(jù)。包括花萼的長度和寬度,以及花瓣的長度和寬度。我們將根據(jù)這四個(gè)特征來建立支持向量機(jī)模型從而實(shí)現(xiàn)對三種鳶尾花的分類判別任務(wù)。
有關(guān)數(shù)據(jù)可以從datasets軟件包中的iris數(shù)據(jù)集里獲取,下面我們演示性地列出了前5行數(shù)據(jù)。成功載入數(shù)據(jù)后,易見其中共包含了150個(gè)樣本(被標(biāo)記為setosa、versicolor和virginica的樣本各50個(gè)),以及四個(gè)樣本特征,分別是Sepal.Length、Sepal.Width、Petal.Length和Petal.Width。
在正式建模之前,我們也可以通過一個(gè)圖型來初步判定一下數(shù)據(jù)的分布情況,為此在R中使用如下代碼來繪制(僅選擇Petal.Length和Petal.Width這兩個(gè)特征時(shí))數(shù)據(jù)的劃分情況。
[plain] view plain copy
> library(lattice)
> xyplot(Petal.Length ~ Petal.Width, data = iris, groups = Species,
+ auto.key=list(corner=c(1,0)))
上述代碼的執(zhí)行結(jié)果如圖14-13所示,從中不難發(fā)現(xiàn),標(biāo)記為setosa的鳶尾花可以很容易地被劃分出來。但僅使用Petal.Length和Petal.Width這兩個(gè)特征時(shí),versicolor和virginica之間尚不是線性可分的。
函數(shù)svm()在建立支持向量機(jī)分類模型時(shí)有兩種方式。第一種是根據(jù)既定公式建立模型,此時(shí)的函數(shù)使用格式為
[plain] view plain copy
svm(formula, data= NULL, subset, na.action = na.omit , scale= TRUE)
其中,formula代表的是函數(shù)模型的形式,data代表的是在模型中包含的有變量的一組可選格式數(shù)據(jù)。參數(shù)na.action用于指定當(dāng)樣本數(shù)據(jù)中存在無效的空數(shù)據(jù)時(shí)系統(tǒng)應(yīng)該進(jìn)行的處理。默認(rèn)值na.omit表明程序會忽略那些數(shù)據(jù)缺失的樣本。另外一個(gè)可選的賦值是na.fail,它指示系統(tǒng)在遇到空數(shù)據(jù)時(shí)給出一條錯(cuò)誤信息。參數(shù)scale為一個(gè)邏輯向量,指定特征數(shù)據(jù)是否需要標(biāo)準(zhǔn)化(默認(rèn)標(biāo)準(zhǔn)化為均值0,方差1)。索引向量subset用于指定那些將被來訓(xùn)練模型的采樣數(shù)據(jù)。
例如,我們已經(jīng)知道,僅使用Petal.Length和Petal.Width這兩個(gè)特征時(shí)標(biāo)記為setosa和的鳶尾花versicolor是線性可分的,所以可以用下面的代碼來構(gòu)建SVM模型。
然后我們可以使用下面的代碼來對模型進(jìn)行圖形化展示,其執(zhí)行結(jié)果如圖14-14所示。
[plain] view plain copy
> plot(model1, subdata, Petal.Length ~ Petal.Width)
在使用第一種格式建立模型時(shí),若使用數(shù)據(jù)中的全部特征變量作為模型特征變量時(shí),可以簡要地使用“Species~.”中的“.”代替全部的特征變量。例如下面的代碼就利用了全部四種特征來對三種鳶尾花進(jìn)行分類。
[plain] view plain copy
> model2 <- svm(Species ~ ., data = iris)
若要顯示模型的構(gòu)建情況,使用summary()函數(shù)是一個(gè)不錯(cuò)的選擇。來看下面這段示例代碼及其輸出結(jié)果。
通過summary函數(shù)可以得到關(guān)于模型的相關(guān)信息。其中,SVM-Type項(xiàng)目說明本模型的類別為C分類器模型;SVM-Kernel項(xiàng)目說明本模型所使用的核函數(shù)為高斯內(nèi)積函數(shù)且核函數(shù)中參數(shù)gamma的取值為0.25;cost項(xiàng)目說明本模型確定的約束違反成本為l。而且我們還可以看到,模型找到了51個(gè)支持向量:第一類包含有8個(gè)支持向量,第二類包含有22個(gè)支持向量,第三類包含21個(gè)支持向量。最后一行說明模型中的三個(gè)類別分別為setosa、versicolor和virginica。數(shù)據(jù)分析師培訓(xùn)
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢預(yù)判? ? 在數(shù)據(jù)驅(qū)動決策的時(shí)代,預(yù)測分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對策略? 長短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03