1

我是 R 新手，所以也许这是一个愚蠢的问题，但我正在寻找一种方法来迭代 kernlab 中 ksvm 函数中所有可能的内核选项并吐出结果表。

现在我有一个基本的设置：

# call ksvm
model <-  ksvm(as.matrix(data[,1:10]),as.factor(data[,11]),type="C-svc",kernel="vanilladot",C=100,scaled=TRUE)
# calculate a1.am
a <- colSums(model@xmatrix[[1]] * model@coef[[1]])
a
# calculate a0
a0 <- -model@b
a0
# see what the model predicts
pred <- predict(model,data[,1:10])
pred
# see what fraction of the model's predictions match the actual classification
sum(pred == data[,11]) / nrow(data)

它吐出所有的预测和准确度指标

[1] 0.8639144

理想情况下，我想要一张看起来像这样的桌子

kernel       accuracy
vanilladot   0.8639144
polydot      0.7285432
besseldot    1
...          ...

是否有一种快速简便的方法来做到这一点，或者是手动创建带有模型名称和准确度指标的表然后打印或绘制它的唯一方法？

4

1 回答 1

1

您可以在 for 循环中迭代所有内核：

myKernels = c("vanilladot","polydot","besseldot")
results=list()
for(i in 1:length(myKernels)){
  # call ksvm using  kernel instead of linear
  model <-  ksvm(as.matrix(data[,1:10]),as.factor(data[,11]),type="C-svc",kernel=myKernels[[i]],C=100,scaled=TRUE)
  # calculate a1.am
  a <- colSums(model@xmatrix[[1]] * model@coef[[1]])
  a
  # calculate a0
  a0 <- -model@b
  a0
  # see what the model predicts
  pred <- predict(model,data[,1:10])
  pred
  # see what fraction of the model's predictions match the actual classification
  results[[i]]=data.table(kernel=myKernels[[i]],accuracy=sum(pred == data[,11]) / nrow(data))
}
rindlist(results)
于 2018-05-19T17:20:49.837 回答