r中的文本文件分類從KNN到SVM

Question

我的問題是我不明白如何去 SVM，實際上我在 KNN 中有 20% 的錯誤，所以我想改進這個統計數據，我處理我放入 VCorpus 的 html 文件，清理，放入 DTM，找出最常見的詞，然后我使用 1000 個文件來為 1 個文件整理好類（我有 7 個類）。 下面的代碼：

corpusEntrainement <- VCorpus(DirSource("training", recursive=T))

corpusCleanEntrainement <- nettoyage(corpusEntrainement)

motsFrequentsEntrainement <- findFreqTerms(corpusMatrice,lowfreq = 400, highfreq = 1200)

corpusDocReduitEntrainement <- DocumentTermMatrix(corpusCleanEntrainement,list(dictionary=motsFrequentsEntrainement))

dataReduitEntrainement <- as.matrix(corpusDocReduitEntrainement[, motsFrequentsEntrainement])

classesEntrainement<-c(rep(1,150),rep(2,150),rep(3,150),rep(4,150),rep(5,150),rep(6,150),rep(7,150))

matriceFinaleEntrainement <- cbind(dataReduitEntrainement,"classes"=classesEntrainement)

所以這就是我清理我的語料庫並獲得最終的 as.matrix 的方式，我如何從 svm 移動？ 我認為代碼的其他部分很簡單，我只想在 SVM 中移動文檔。

謝謝 ！

Answer 1

我假設您正在尋找如何訓練 SVM 模型（問題不是很清楚）。

library(e1071)

svmfit = svm(classes ~ ., data = matriceFinaleEntrainement)

請注意，您可以在之前將類轉換為因子：

classesEntrainement<-as.factor(c(rep(1,150),rep(2,150),rep(3,150),rep(4,150),rep(5,150),rep(6,150),rep(7,150)))

有關詳細信息，請參見本教程。