99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話:13121318867

登錄
首頁(yè)精彩閱讀R語(yǔ)言基于支持向量機(jī)訓(xùn)練模型實(shí)現(xiàn)類預(yù)測(cè)
R語(yǔ)言基于支持向量機(jī)訓(xùn)練模型實(shí)現(xiàn)類預(yù)測(cè)
2018-05-26
收藏

R語(yǔ)言基于支持向量機(jī)訓(xùn)練模型實(shí)現(xiàn)類預(yù)測(cè)

前面介紹了基于訓(xùn)練集訓(xùn)練SVM的方法。通過(guò)訓(xùn)練,算法能找到使間隔區(qū)間最大化的最優(yōu)平面來(lái)分割訓(xùn)練數(shù)據(jù)集,得到SVM模型能夠被用來(lái)預(yù)測(cè)新到樣例的類別。

準(zhǔn)備
使用之前構(gòu)建的churn構(gòu)建的model.
操作
利用已構(gòu)建的SVM模型和測(cè)試數(shù)據(jù)集的屬性預(yù)測(cè)它的模型
svm.pred = predict(model,testset[,!names(testset) %in% c("churn")])
svm.table = table(svm.pred,testset$churn)
svm.table

svm.pred yes  no
     yes  70  12
     no   71 865
調(diào)用classAgreement計(jì)算分類一致性

classAgreement(svm.table)
$diag
[1] 0.9184676

$kappa
[1] 0.5855903

$rand
[1] 0.850083

$crand
[1] 0.5260472
調(diào)用confusionMatrix基于分類表評(píng)測(cè)預(yù)測(cè)性能

library(lattice)
library(ggplot2)
library(caret)
confusionMatrix(svm.table)
Confusion Matrix and Statistics


svm.pred yes  no
     yes  70  12
     no   71 865

               Accuracy : 0.9185          
                 95% CI : (0.8999, 0.9345)
    No Information Rate : 0.8615          
    P-Value [Acc > NIR] : 1.251e-08       

                  Kappa : 0.5856          
 Mcnemar's Test P-Value : 1.936e-10       

            Sensitivity : 0.49645         
            Specificity : 0.98632         
         Pos Pred Value : 0.85366         
         Neg Pred Value : 0.92415         
             Prevalence : 0.13851         
         Detection Rate : 0.06876         
   Detection Prevalence : 0.08055         
      Balanced Accuracy : 0.74139         

       'Positive' Class : yes             
說(shuō)明

本節(jié)首先調(diào)用predict函數(shù)獲得測(cè)試數(shù)據(jù)集的預(yù)測(cè)模型,然后用table函數(shù)產(chǎn)生測(cè)試數(shù)據(jù)集的分類表,接下來(lái)的性能評(píng)測(cè)過(guò)程與前述章節(jié)其他方法其他分類方法的評(píng)測(cè)類似。
引入了一個(gè)新的函數(shù)classAgreement用來(lái)計(jì)算一個(gè)二維列聯(lián)表行列之間多種一致性關(guān)系數(shù)。
diag系數(shù)為分類表主對(duì)角性上數(shù)據(jù)點(diǎn)的百分比,kappa系數(shù)是對(duì)diag系數(shù)隨機(jī)一致性的修正,rand代表聚類評(píng)價(jià)指標(biāo)(rand index),主要用來(lái)橫量?jī)蓚€(gè)聚簇之間的相似性,crand系數(shù)是出現(xiàn)元素隨機(jī)分類情況對(duì)Rand index 修正結(jié)果。
SVM回歸分析

還可以使用SVM預(yù)測(cè)連續(xù)變量,也就是使用SVM實(shí)現(xiàn)回歸分析。在接下來(lái)的樣例中,我們使用名為eps-regression模型說(shuō)明如何使用SVM執(zhí)行回歸分析。
使用Quartet數(shù)據(jù)集來(lái)訓(xùn)練一個(gè)支持向量機(jī)

library(car)
data(Quartet)
model.regression = svm(Quartet$y1~Quartet$x,type = "eps-regression")

使用predict函數(shù)得到預(yù)測(cè)結(jié)果

predict.y = predict(model.regression,Quartet$x)
predict.y

調(diào)用plot繪圖函數(shù),預(yù)測(cè)值用正方形,訓(xùn)練數(shù)據(jù)用圓形:

plot(Quartet$x,Quartet$y1,pch = 19)
points(Quartet$x,predict.y,pch = 15,col = "red")

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

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1:配置參數(shù) // 參數(shù)2:回調(diào),回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對(duì)象,之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須,不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺(tái)檢測(cè)極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式,包括:float,popup width: "280px", https: true // 更多配置參數(shù)說(shuō)明請(qǐng)參見(jiàn):http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請(qǐng)輸入'+oInput.attr('placeholder')+'!'; var errTxt = '請(qǐng)輸入正確的'+oInput.attr('placeholder')+'!'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }