
在R中使用支持向量機(jī)(SVM)進(jìn)行數(shù)據(jù)挖掘(下)
第二種使用svm()函數(shù)的方式則是根據(jù)所給的數(shù)據(jù)建立模型。這種方式形式要復(fù)雜一些,但是它允許我們以一種更加靈活的方式來(lái)構(gòu)建模型。它的函數(shù)使用格式如下(注意我們僅列出了其中的主要參數(shù))。
[plain] view plain copy
svm(x, y = NULL, scale = TRUE, type = NULL, kernel = "radial",
degree = 3, gamma = if (is.vector(x)) 1 else 1 / ncol(x),
coef0 = 0, cost = 1, nu = 0.5, subset, na.action = na.omit)
此處,x可以是一個(gè)數(shù)據(jù)矩陣,也可以是一個(gè)數(shù)據(jù)向量,同時(shí)也可以是一個(gè)稀疏矩陣。y是對(duì)于x數(shù)據(jù)的結(jié)果標(biāo)簽,它既可以是字符向量也可以為數(shù)值向量。x和y共同指定了將要用來(lái)建模的訓(xùn)練數(shù)據(jù)以及模型的基本形式。
參數(shù)type用于指定建立模型的類別。支持向量機(jī)模型通??梢杂米鞣诸惸P?、回歸模型或者異常檢測(cè)模型。根據(jù)用途的差異,在svm()函數(shù)中的type可取的值有C-classification、nu-classification、one-classification、eps-regression和nu-regression這五種類型中。其中,前三種是針對(duì)于字符型結(jié)果變量的分類方式,其中第三種方式是邏輯判別,即判別結(jié)果輸出所需判別的樣本是否屬于該類別;而后兩種則是針對(duì)數(shù)值型結(jié)果變量的分類方式。
此外,kernel是指在模型建立過(guò)程中使用的核函數(shù)。針對(duì)線性不可分的問(wèn)題,為了提高模型預(yù)測(cè)精度,通常會(huì)使用核函數(shù)對(duì)原始特征進(jìn)行變換,提高原始特征維度,解決支持向量機(jī)模型線性不可分問(wèn)題。svm()函數(shù)中的kernel參數(shù)有四個(gè)可選核函數(shù),分別為線性核函數(shù)、多項(xiàng)式核函數(shù)、高斯核函數(shù)及神經(jīng)網(wǎng)絡(luò)核函數(shù)。其中,高斯核函數(shù)與多項(xiàng)式核函數(shù)被認(rèn)為是性能最好、也最常用的核函數(shù)。
核函數(shù)有兩種主要類型:局部性核函數(shù)和全局性核函數(shù),高斯核函數(shù)是一個(gè)典型的局部性核函數(shù),而多項(xiàng)式核函數(shù)則是一個(gè)典型的全局性核函數(shù)。局部性核函數(shù)僅僅在測(cè)試點(diǎn)附近小領(lǐng)域內(nèi)對(duì)數(shù)據(jù)點(diǎn)有影響,其學(xué)習(xí)能力強(qiáng)、泛化性能較弱;而全局性核函數(shù)則相對(duì)來(lái)說(shuō)泛化性能較強(qiáng)、學(xué)習(xí)能力較弱。
對(duì)于選定的核函數(shù),degree參數(shù)是指核函數(shù)多項(xiàng)式內(nèi)積函數(shù)中的參數(shù),其默認(rèn)值為3。gamma參數(shù)給出了核函數(shù)中除線性內(nèi)積函數(shù)以外的所有函數(shù)的參數(shù),默認(rèn)值為l。coef0參數(shù)是指核函數(shù)中多項(xiàng)式內(nèi)積函數(shù)與sigmoid內(nèi)積函數(shù)中的參數(shù),默認(rèn)值為0。
另外,參數(shù)cost就是軟間隔模型中的離群點(diǎn)權(quán)重。最后,參數(shù)nu是用于nu-regression、nu-classification和one-classification類型中的參數(shù)。
一個(gè)經(jīng)驗(yàn)性的結(jié)論是,在利用svm()函數(shù)建立支持向量機(jī)模型時(shí),使用標(biāo)準(zhǔn)化后的數(shù)據(jù)建立的模型效果更好。
根據(jù)函數(shù)的第二種使用格式,在針對(duì)上述數(shù)據(jù)建立模型時(shí),首先應(yīng)該將結(jié)果變量和特征變量分別提取出來(lái)。結(jié)果向量用一個(gè)向量表示,特征向量用一個(gè)矩陣表示。在確定好數(shù)據(jù)后還應(yīng)根據(jù)數(shù)據(jù)分析所使用的核函數(shù)以及核函數(shù)所對(duì)應(yīng)的參數(shù)值,通常默認(rèn)使用高斯內(nèi)積函數(shù)作為核函數(shù)。下面給出一段示例代碼
在使用第二種格式建立模型時(shí),不需要特別強(qiáng)調(diào)所建立模型的形式,函數(shù)會(huì)自動(dòng)將所有輸入的特征變量數(shù)據(jù)作為建立模型所需要的特征向量。在上述過(guò)程中,確定核函數(shù)的gamma系數(shù)時(shí)所使用的代碼所代表的意思是:如果特征向量是向量則gamma值取l,否則gamma值為特征向量個(gè)數(shù)的倒數(shù)。
在利用樣本數(shù)據(jù)建立模型之后,我們便可以利用模型來(lái)進(jìn)行相應(yīng)的預(yù)測(cè)和判別?;谟蓅vm()函數(shù)建立的模型來(lái)進(jìn)行預(yù)測(cè)時(shí),可以選用函數(shù)predict()來(lái)完成相應(yīng)工作。在使用該函數(shù)時(shí),應(yīng)該首先確認(rèn)將要用于預(yù)測(cè)的樣本數(shù)據(jù),并將樣本數(shù)據(jù)的特征變量整合后放入同一個(gè)矩陣。來(lái)看下面這段示例代碼。
通常在進(jìn)行預(yù)測(cè)之后,還需要檢查模型預(yù)測(cè)的準(zhǔn)確情況,這時(shí)便需要使用函數(shù)table()來(lái)對(duì)預(yù)測(cè)結(jié)果和真實(shí)結(jié)果做出對(duì)比展示。從上述代碼的輸出中,可以看到在模型預(yù)測(cè)時(shí),模型將所有屬于setosa類型的鳶尾花全部預(yù)測(cè)正確;模型將屬于versicolor類型的鳶尾花中有48朵預(yù)測(cè)正確,但將另外兩朵錯(cuò)誤地預(yù)測(cè)為virginica類型;同樣,模型將屬于virginica類型的鳶尾花中的48朵預(yù)測(cè)正確,但也將另外兩朵錯(cuò)誤地預(yù)測(cè)為versicolor類型。
函數(shù)predict()中的一個(gè)可選參數(shù)是decision.values,我們?cè)诖艘矊?duì)該參數(shù)的使用做簡(jiǎn)要討論。默認(rèn)情況下,該參數(shù)的缺省值為FALSE。若將其置為TRUE,那么函數(shù)的返回向量中將包含有一個(gè)名為“decision.values”的屬性,該屬性是一個(gè)n*c的矩陣。這里,n是被預(yù)測(cè)的數(shù)據(jù)量, c是二分類器的決策值。注意,因?yàn)槲覀兪褂?a href='/map/zhichixiangliangji/' style='color:#000;font-size:inherit;'>支持向量機(jī)對(duì)樣本數(shù)據(jù)進(jìn)行分類,分類結(jié)果可能是有k個(gè)類別。那么這k個(gè)類別中任意兩類之間都會(huì)有一個(gè)二分類器。所以,我們可以推算出總共的二分類器數(shù)量是k(k-1)/2。決策值矩陣中的列名就是二分類的標(biāo)簽。來(lái)看下面這段示例代碼。
由于我們要處理的是一個(gè)分類問(wèn)題。所以分類決策最終是經(jīng)由一個(gè)sign(?)函數(shù)來(lái)完成的。從上面的輸出中可以看到,對(duì)于樣本數(shù)據(jù)4而言,標(biāo)簽setosa/versicolor對(duì)應(yīng)的值大于0,因此屬于setosa類別;標(biāo)簽setosa/virginica對(duì)應(yīng)的值同樣大于0,以此判定也屬于setosa;在二分類器versicolor/virginica中對(duì)應(yīng)的決策值大于0,判定屬于versicolor。所以,最終樣本數(shù)據(jù)4被判定屬于setosa。依據(jù)同樣的羅輯,我們還可以根據(jù)決策值的符號(hào)來(lái)判定樣本77和樣本78,分別是屬于versicolor和virginica類別的。
為了對(duì)模型做進(jìn)一步分析,可以通過(guò)可視化手段對(duì)模型進(jìn)行展示,下面給出示例代碼。結(jié)果如圖14-15所示??梢?,通過(guò)plot()函數(shù)對(duì)所建立的支持向量機(jī)模型進(jìn)行可視化后,所得到的圖像是對(duì)模型數(shù)據(jù)類別的一個(gè)總體觀察。圖中的“+”表示的是支持向量,圓圈表示的是普通樣本點(diǎn)。
[plain] view plain copy
> plot(cmdscale(dist(iris[,-5])),
+ col = c("orange","blue","green")[as.integer(iris[,5])],
+ pch = c("o","+")[1:150 %in% model3$index + 1])
> legend(1.8, -0.8, c("setosa","versicolor","virgincia"),
+ col = c("orange","blue","green"), lty = 1)
在圖14-15中我們可以看到,鳶尾花中的第一種setosa類別同其他兩種區(qū)別較大,而剩下的versicolor類別和virginica類別卻相差很小,甚至存在交叉難以區(qū)分。注意,這是在使用了全部四種特征之后仍然難以區(qū)分的。這也從另一個(gè)角度解釋了在模型預(yù)測(cè)過(guò)程中出現(xiàn)的問(wèn)題,所以模型誤將2朵versicolor 類別的花預(yù)測(cè)成了virginica 類別,而將2朵virginica 類別的花錯(cuò)誤地預(yù)測(cè)成了versicolor 類別,也就是很正?,F(xiàn)象了。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長(zhǎng)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(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)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(dòng)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(chéng)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(jiǎn)稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)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(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)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(shì)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(shì)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(shì)變化以及識(shí)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(guó)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(duì)策略? 長(zhǎng)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(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)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(chǎng)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(dòng)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(dòng)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