R--SVM支持向量机

最新推荐文章于 2024-06-18 09:34:26 发布

F_yuqi

最新推荐文章于 2024-06-18 09:34:26 发布

阅读量772

点赞数 1

本文链接：https://blog.csdn.net/F_yuqi/article/details/54134852

版权

这篇博客介绍了如何在R中利用kernlab包进行支持向量机（SVM）的训练和评估。首先，通过Letter Recognition Dataset加载数据，并进行数据预处理。接着，构建了两个SVM模型，一个是vanilladot核函数的模型，另一个是rbfdot核函数的模型。通过对测试集的预测，rbfdot核函数的模型表现更好，错误率仅为6.9%。文章强调了调整kernel和cost参数对于模型优化的重要性。

摘要由CSDN通过智能技术生成

数据来源：以扫描字符的识别为例，[Letter Recognition Dataset](https://archive.ics.uci.edu/ml/datasets/Letter+Recognition)

install.packages("knitr")
install.packages("kernlab")
library(kernlab)
library(knit)

### 数据读取并处理
letters<-read.table("letter.txt",sep=",")
str(letters)
dim(letters)
colnames(letters)=c("letter","xbox","ybox","width","height ","onpix","xbar","ybar","x2bar","y2bar","xybar","x2ybar","xy2bar","xege","xedgey","yege","yedgex")

### 构建测试集和训练集
ind<-sample(2,nrow(letters),replace=TRUE,prob=c(0.8,0.2))
traindata<-letters[ind==1,]
testdata<-letters[ind==2,]
dim(testdata)

### 构建分类器
classifier = ksvm(l