问题标签 [kernlab]

我正在尝试使用kernlabR 包来做支持向量机（SVM）。对于我非常简单的示例，我有两条训练数据。A和B。

（A 和 B 属于类型matrix- 它们是图的邻接矩阵。）

所以我写了一个函数，它接受 A+B 并生成一个核矩阵。

现在我使用kernlab'sksvm函数来生成我的预测模型。现在，我只是想让这该死的东西发挥作用——我不担心训练错误等。

那么，问题 1：我是否正确生成了我的模型？合理吗？

到现在为止还挺好。我们创建了自定义内核矩阵，然后使用该矩阵创建了 ksvm 模型。我们将训练数据标记为“1”和“-1”。

现在预测：

哦哦。这没关系。有点期待，真的。“预测”需要某种向量，而不是矩阵。

所以让我们尝试一些事情：

上面的一些测试是荒谬的，但这就是我的观点：无论我做什么，我都无法让 predict() 查看我的数据并进行预测。标量不起作用，向量不起作用。2x2 矩阵不起作用，3x3 矩阵也不起作用。

我在这里做错了什么？

（一旦我弄清楚 ksvm想要什么，那么我就可以确保我的测试数据能够以理智/合理/数学上合理的方式符合该格式。）

嗨，我正在尝试使用kernlab包对 R 中的不平衡数据集进行分类，因为类分布不是 1:1 我在ksvm()函数调用中使用 class.weights 选项但是当我添加时我在分类场景中没有任何区别权重或删除权重？所以问题是声明类权重的正确语法是什么？

我正在使用以下函数调用：

任何人都可以对此发表评论，我是否遵循添加权重的正确语法？我还发现，如果我们将权重与函数一起使用prob.model=T，ksvm则会返回错误！

我一直在尝试从源代码安装 R 包 Kernlab，但我遇到了问题。起初，我遇到了一些与 gfortran 相关的错误，所以我从http://r.research.att.com/tools/下载了 GNU fortran 编译器

然后当我输入以下命令时： R CMD INSTALL kernlab_0.9-12.tar.gz

我收到以下错误：

有谁知道如何解决这个错误？PS。对于我下载的 GNU fortran 编译器，它说是针对最高 3.2.5 的 Xcode 版本；我有 Xcode 版本 3.2.6。这是我错误的根源，还是我看错了方向？

kernlab有人在回归时遇到过这个困难吗？似乎它正在失去一些比例因子或其他东西，但也许我说错了。

使用这个玩具示例，如果我明确通过，我可以获得合理的结果newdata=df，但是使用我的真实数据，我发现没有这样的解决方法。有什么见解吗？

我一直在尝试构建 SVM 分类器，但遇到了predict.

我一无所知是什么导致了错误：“测试向量与模型不匹配！”。

kkmeans我对 R 包中的函数有疑问kernlab。我是这个包的新手，如果我在这里遗漏了一些明显的东西，请原谅我。

我想为一组集群中的一个集群分配一个新的数据点，这些集群是使用内核 k-means 和函数“kkmeans”创建的。使用常规聚类，可以通过计算新数据点和聚类质心之间的欧几里得距离来做到这一点，并选择质心最近的聚类。在内核 k-means 中，必须在特征空间中执行此操作。

以 kkmeans 描述中使用的示例为例：

假设我在这里有一个新数据点，我想将其分配给上面在sc.

关于如何做到这一点的任何提示？非常感谢您的帮助。

我正在尝试使用用户定义的内核。我知道 kernlab 在 R 中提供用户定义的内核（自定义内核函数）。我使用了数据垃圾邮件，包括包 kernlab。（变量数=57 示例数=4061）

我定义了内核的形式，

它是高斯核的变换核，其中v是与每个变量的标准差向量相反的连续变化值，例如：

训练集定义了 60% 的垃圾邮件数据（保留不同类别的比例）。

如果数据的类型是垃圾邮件，那么对于火车 svm，数据的类型 = 1

但这一步不起作用。它总是在等待回应。

所以，我问你这个问题，为什么？是不是因为例子太多了？是否有任何其他 R 包可以为用户定义的内核训练 SVM？

我正在学习如何使用 kernlab 的 ksvm 进行分类。我玩过一些例子（即虹膜等）。但是，当我尝试使用我的数据时，我不断收到错误消息：

rbfdot 中的错误（长度 = 4，lambda = 0.5）：未使用的参数（长度 = 4，lambda = 0.5）

如果有人能指出出了什么问题，或者向我指出适当的文件，我真的很感激。

附件是我的数据文件。

数据文件： http ://www.mediafire.com/view/? todfg2su1qmw18n

我的 R 代码：

我正在尝试使用 R 中的 kernlab 库（ksvm 函数）来实现新颖性检测器。这是我正在尝试做的一个简单示例：

上图是我得到的结果。蓝色迹线是预测，它清楚地显示了一个始终为 0 的周期。但它与黑色迹线中的异常值在时间或宽度上不匹配。有100个幅度较大的点（黑线），我得到的蓝色输出与黑线不匹配。

我究竟做错了什么？

我正在查看用于高斯过程回归gausspr的包中的 R 函数。kernlab该过程由核函数的超参数和数据中的噪声定义。我在可以指定的文档中看到

var：初始噪声方差，（仅用于回归）（默认值：0.001）

但我看不到在回归运行后如何访问估计值。例如，考虑我有一些观察到的点，并想预测 y 给出的位置的值X：

我可以这样做kernlab::gausspr：

我可以得到内核超参数的估计值：

但是我看不到如何返回噪声参数的估计值，var？