大数据分析Project-胰腺癌病人模型预测02：死亡or出院（SVM法）

最新推荐文章于 2024-04-03 17:07:49 发布

xinyizf

最新推荐文章于 2024-04-03 17:07:49 发布

阅读量280

点赞数

本文链接：https://blog.csdn.net/xinyizf/article/details/106083637

版权

该博客介绍了如何利用支持向量机（SVM）进行胰腺癌病人生死预测的项目。首先排除序号特征，然后将死亡标签转化为alive和dead。接着设置训练集和验证集，运用SVM进行模型训练，并进行参数调整以优化模型性能。

摘要由CSDN通过智能技术生成

先删去病人的序号

> df <- mydata[, -1]

将death的1，0变成alive, dead

df$death <- factor(df$death,levels = c(1,0),labels = c("alive","dead"))

设定训练集和验证集

> train <- sample(nrow(df), 0.8*nrow(df))
> df.train <- df[train,]
> df.validate <- df[-train,]

使用支持向量机SVM

> library(e1071)
> set.seed(100)
> fit.svm <- svm(death~., data = df.train)
> fit.svm

Call:
svm(formula = death ~ ., data = df.train)


Parameters:
   SVM-Type:  C-classification 
 SVM-Kernel:  radial 
       cost:  1 

Number of Support Vectors:  305

进行验证

> svm.pred <- predict(fit.svm, na.omit(df.validate))
> svm.perf <- table(na.omit(df.validate)$death, svm.pred, dnn=c("Actual", "Predicted"))
> svm.perf

      Predicted
Actual  alive dead
  alive    22   25
  dead     12   49<