r - svm 可以给出线性回归模型之类的方程吗

Question

我正在尝试使用调查详细信息将受访者分为 5 个集群。

使用多项式线性回归，我得到了 56% 的校正分类。当我使用 SVM（RBM Kernel v-svm）时，我能够获得 61% 的分类（从 56% 增加）。

对于多项式，我使用了 R(Rattle) - 输出具有所有集群的方程。所以我可以在 excel 或任何其他软件中实现模型。

但是当我运行 SVM(R - Rattle & Python - Orange) 时，它们都没有给出任何方程。虽然我喜欢 SVM 的分类结果，但没有任何方程我不能使用它。因为我们的客户只想要 excel 中的模型。

以下是我的查询。

1. SVM 有什么方法可以生成像线性回归/分类模型这样的方程。

2. 我尝试了 SVM、NN、RF，它们都没有生成任何方程。是否有任何其他模型可以提供与 SVM/RF 相当的结果并且可以在 excel 中实现。

Answer 1

您总是可以从任何模型中提取精确的方程，但这不会像线性回归那样“好”（这很明显——“好”的方程是简单的方程，简单的方程通常是弱模型）。

在 RBF SVM 的情况下，您可以提取函数形式的方程，所以

svm(x) = sgn( SUM_i alpha_i K(x_i,x) + b ) 

哪里x_i是支持向量（训练示例的子集，您可以“写下”），K(x,y) 是 RBF 内核：

K(x,y) = e^(-gamma||x-y||^2)

其中 gamma 是代码中使用的参数

所以整个方程变成

svm(x) = sgn( alpha_1 e^(-gamma||x_1-x||^2) + alpha_2 e^(-gamma||x_2-x||^2) + ... + alpha_n e^(-gamma||x_n-x||^2)  + b)