构建基于wine数据集的svm分类模型_R语言机器学习：caret包使用及其黑箱模型解释（离散变量预测）...

作者：黄天元，复旦大学博士在读，热爱数据科学与开源工具（R），致力于利用数据科学迅速积累行业经验优势和学术知识发现。知乎专栏：R语言数据挖掘 邮箱：huang.tian-yuan@qq.com.欢迎合作交流。

上次在

HopeR：R语言机器学习：caret包使用及其黑箱模型解释（连续变量预测)​zhuanlan.zhihu.com

中介绍了如何使用caret包建模并采用DALEX包进行模型的解释。当时是针对连续型变量进行探索，这次我们针对响应变量为离散变量（分类变量）的模型进行黑箱解释。

1 包的载入与数据导入

安装4个包。

library(pacman)
p_load(DALEX,caret,tidyverse,breakDown)

观察我们要使用的目标数据：

library(breakDown)
data(wine)
​
wine %>% as_tibble

# A tibble: 4,898 x 12
   fixed.acidity volatile.acidity citric.acid residual.sugar chlorides free.sulfur.dio~ total.sulfur.di~ density
           <dbl>            <dbl>       <dbl>          <dbl>     <dbl>            <dbl>            <dbl>   <dbl>
 1           7               0.27        0.36           20.7     0.045               45              170   1.00 
 2           6.3             0.3         0.34            1.6     0.049               14              132   0.994
 3           8.1             0.28        0.4             6.9     0.05                30               97   0.995
 4           7.2             0.23        0.32            8.5     0.058               47              186   0.996
 5           7.2             0.23        0.32            8.5     0.058               47