1

我正在尝试使用 R 中的 SVM 对一些数据进行分类。

数据集：

D1 | D2 | D3 | word1 | word2 |...
1  | 2  | 3  | 0     | 1     |
3  | 2  | 1  | 1     | 0     |

D1、D2、D3 取值从 0 到 9，每个字取 0/1 值。

首先，我想构建一个基于 word1、word2 等预测 D1 的分类器。然后我想构建一个基于它在 D1 中预测的内容和单词来预测 D2 的分类器。D1、D2 和 D3 曾经是一个 3 位数字，并且一个数字与前一个数字之间存在关系。

到目前为止，我有：

trainD1 <- train[,-1]
trainD1$D2 <- NULL
trainD1$D3 <- NULL

modelD1 <- svm( train$D1~., trainD1, type="C-classification")

但我完全迷路了，欢迎任何帮助。

谢谢

4

1 回答 1

2

我相信您已经知道这一点，但我只是想确保我涵盖了我的基础——如果 D1 和 D2 可以预测 D3，那么使用 D1 和 D3 的实际值总是比使用它们的预测值更好。

出于这个问题的目的，我将假设 D1 和 D2 可能不存在于您的预测数据集中，这就是您必须预测它们的原因。从“单词”变量直接预测 D3 可能仍然更准确，但这超出了这个问题的范围。

train <- read.csv("trainingSmallExtra.csv")

require(e1071)
d1 <- svm(  x = train[,5:100], # arbitrary subset of words
            y = train$D1,
            gamma = 0.1)

d1.predict <- predict(d1)
train      <- cbind(d1.predict, train)
x_names    <- c("d1.predict", train[,6:101])

d2 <- svm(  x = x_names,  # d1 prediction + arbitrary subset of words
            y = train$D2,
            gamma = 0.1)

d2.predict <- predict(d2)
train      <- cbind(d2.predict, train)

x_names <- c("d1.predict", "d2.predict", colnames(train)[25:150]) 
  
final <- svm(  x = train[,x_names], 
               y = train$D3,
               gamma = 0.1)

summary(final)

调用：svm.default(x = train[, x_names], y = train$D3, gamma = 0.1)

参数： SVM-Type：eps-regression SVM-Kernel：radial

   cost:  1 
  gamma:  0.1 
epsilon:  0.1

支持向量数：932

这只是向您展示过程。在您的代码中，您将希望使用更多的单词并设置您认为最合适的任何选项。

我建议使用保持样本或交叉验证来进行基准测试。将集成模型与尝试通过检查其性能基准直接从单词中预测 D3 的单个模型进行比较。

于 2016-07-03T21:31:59.627 回答