1

我目前正在使用带有线性内核的 R (e1071) 中的 SVM 来尝试对高维数据集进行分类。它由大约 300 名患者组成，为每位患者测量了大约 12000 个基因活性水平。我的目标是根据这些基因活动预测患者对某种药物的反应（二元：治疗有效与否）。

我想建立传递给 tune.svm 函数的成本值范围，这就是我遇到麻烦的地方。我的理解是，这样做的方法是逐步尝试越来越小的值，直到分别建立合理性能的下限和上限；然而，当我尝试这样做时，无论我的可能成本有多大或多小，我得到的测试错误率都不会低于 50% 左右。我的实际数据集和这个玩具版本都会发生这种情况。如果这个子集太小，我可以提供更重要的部分。感谢您的任何建议。

我的代码：

dat.ex <- read.table("svm_ex.txt", header=T, row.names=1)
trainingSize <- 20
possibleCosts <- c(10^-50, 10^-25, 10^25, 10^50)
trainingDat <- sample(1:dim(dat.ex)[1], replace = FALSE, size = trainingSize)
ex.results <- vector()

for(i in 1:length(possibleCosts))
{
  svm.ex <- svm(dat.ex[trainingDat, -1], factor(dat.ex[trainingDat, 1]), kernel="linear", cost=possibleCosts[i], type="C-classification")
  test.ex <- predict(svm.ex, newdata=data.frame(x = dat.ex[-trainingDat,-1]))
  truth.ex <- table(pred = test.ex, truth = factor(dat.ex[-trainingDat,1]))
  exTestCorrectRate <- (truth.ex[1,1] + truth.ex[2,2])/(dim(dat.ex)[1] - trainingSize)
  ex.results[i] <- exTestCorrectRate  
}
print(ex.results)
4

2 回答 2

1

首先，你尝试丑陋怪异的C. 您应该检查更小范围的值（例如介于1e-15and之间1e10）和更大的分辨率（例如 - 我建议的间隔有 25 个不同的值）。

其次，您的数据集非常小。10 维的 20 个训练向量可能难以建模

于 2013-10-20T17:59:39.403 回答
0

我发现了问题。在完整的数据集中，大约 2/3 的响应是 1，1/3 是 0。对于这些极端参数，每个响应都被预测为 1，因此测试错误率在 50% - 80% 的范围内（有些由于训练数据选择而发生的波动）不断发生。

于 2013-11-11T17:32:03.533 回答