我正在使用e1071运行线性SVM,并调整Cost和Epsilon参数。 但是,当我打印模型时,我注意到还存在Gamma参数。 这是为什么? 我以为Gamma只适合径向内核? 我重新启动了R以确保得到相同的结果并且仅加载了e1071

另外,查看e1071的包装内容,以进行回归分析,我们有:

所需的所有内核除了线性(默认值:1 /(数据尺寸))伽马=参数(第50)。 这里

这意味着对于线性核,应省略gamma,但不是。 其他人也经历过吗?

此外,我已经尝试使用其他gamma值进行了尝试,并收到了相同的结果,向我表明gamma参数被忽略了,但是我正在寻找其他人的验证,以查看它们是否具有相似的答案以及对为什么存在Gamma的解释。

library(e1071)
set.seed(1)
model<-svm(Sepal.Length~Sepal.Width+Petal.Length,
            data=iris,
            kernel='linear',
            cost=0.5,
            epsilon=0.1,
            cross=10
)
model
Parameters:
   SVM-Type:  eps-regression 
 SVM-Kernel:  linear 
       cost:  0.5 
      gamma:  0.5
    epsilon:  0.1 
coef(model)
(Intercept)  Sepal.Width Petal.Length 
 -0.01487154   0.31124329   0.97591508 
modelG2<-svm(Sepal.Length~Sepal.Width+Petal.Length,
           data=iris,
           kernel='linear',
           cost=0.5,
           epsilon=0.1,
           gamma=2,
           cross=10
)
modelG2
Parameters:
   SVM-Type:  eps-regression 
 SVM-Kernel:  linear 
       cost:  0.5 
      gamma:  2 
    epsilon:  0.1 
coef(modelG2)
(Intercept)  Sepal.Width Petal.Length 
 -0.01487154   0.31124329   0.97591508 

modelG17<-svm(Sepal.Length~Sepal.Width+Petal.Length,
             data=iris,
             kernel='linear',
             cost=0.5,
             epsilon=0.1,
             gamma=17,
             cross=10
)
modelG17
coef(modelG17)
(Intercept)  Sepal.Width Petal.Length 
 -0.01487154   0.31124329   0.97591508

  ask by Jack Armstrong translate from so

本文未有回复,本站智能推荐:

1回复

调整R中的svm参数(线性SVM内核)

tune.svm()和best.svm()之间有什么区别。 当我们调整svm内核的参数时,我们不希望总是为我们的模型选择最佳值。 请原谅,因为我是R和机器学习的新手。 我注意到调整svm时没有线性内核选项。 是否有可能使用线性内核调整我的svm
1回复

为线性SVM设置C

这是我的问题: 我有一个有关液压系统状况的中等大小的数据集。 数据集由68个变量加上系统状态(绿色,黄色,红色)表示 我必须使用几个分类器来预测系统的行为,因此我将数据集分为训练集和测试集,如下所示: (谈论条件时,颜色表示:红色警告,黄色注意,绿色良好) 那就是我写的
2回复

线性SVM和提取权重

我正在使用 iris 数据集在 R 中练习 SVM,我想从我的模型中获得特征权重/系数,但我想我可能误解了一些东西,因为我的输出给了我 32 个支持向量。 我假设我会得到四个,因为我有四个正在分析的变量。 我知道在使用svm()函数时有一种方法可以做到这一点,但我正在尝试使用 caret 中的tra
1回复

Gamma在径向内核的SVM中发生了变化

这是代码: 摘要中的gamma参数与我设置的不同: 什么地方出了错?
1回复

在R中调整线性SVM模型时,具有负epsilon是否有意义?

我正在使用以下调整代码来为我的svn模型找到最佳情况和epsilon。 但是令人惊讶的是,它表明cost = 4 , epsilon = -5 ! 然后,我使用这些参数训练了模型,并使用confusionMatrix进行了测试。 不幸的是,该模型不如没有这些参数的模型准确。 我在这
1回复

不同svm库的不同精度在相同数据上具有相同参数

我正在使用libsvm并且我做了一个非常简单的实验,训练10k向量并且仅用22进行测试。我使用参数成本C=1的线性内核。 我的问题是多类。 所以Libsvm将使用一对一的方法对我的数据进行分类。 Libsvm使用SMO来查找分离超平面。 我的一个朋友做了同样的实验,但使用的SVM分类器
1回复

得到线性SVM回归线的方程

在回归的情况下,我很难找到一种方法来获得线性SVM模型的方程,因为大多数问题都涉及分类......我已经适应了插入包。 1-单变量病例 这给出了红色=实际,黑色=拟合和蓝色线的图是经典回归。 在这种情况下,我知道我可以从2个点手动计算SVM预测线,但有没有办法从模型结构直接得到方程?
2回复

线性SVM模型的权重(在R中)?

使用kernlab我已经使用kernlab代码训练了一个模型: 由于它是一个线性模型,我更喜欢在运行时将得分计算为特征值的简单加权和,而不是使用完整的SVM机制。 如何将模型转换为类似的东西(这里有一些组成的权重): 其中.bias是偏差项,其余是特征权重? 编辑: 这是一些示