问题标签 [kernlab]

我在MLSeqR 版本 3.1.2 的 Ubuntu 上使用 bioconductor 包。我已经尝试运行包提供的示例，并且效果很好。但是，我想使用bagsvm该函数的方法classify，所以在chunk 14，我将代码从

至

这产生了错误：

警告是：

然后将警告 2 重复 14 次，然后：

traceback()生产

我认为问题可能是kernlab我认为 MLSeq 代码使用的库没有被加载所以我尝试了

这导致了相同的错误，但警告更改为：

重复 15 次，然后

我不相信这个问题是特定于MLSeq我尝试运行该train功能的

其中counts是带有 RNASeq 数据的数据框，并且conditions是类的一个因素，我得到了完全相同的结果。任何帮助深表感谢。

使用以下命令在 CentOS 上安装 kernlab R 软件包时遇到问题：

我收到以下错误：

gfortran 已安装，由以下命令确认：

有人可以帮助解决这个问题吗？

我正在使用 R 中插入符号库中的confusionMatrix函数来评估两种方法在两类数据上的性能，例如（glmnet 库中的弹性网络、kernlib 中的高斯处理器、随机森林）。

我有时可以看到一些方法，我得到了

警告消息：在confusionMatrix.default(pred, truth) 中：参考和数据的级别顺序不同。重构数据以匹配。

并且性能是例如65%；但是，如果我根据“真相”重新标记预测（在上面的示例中为 pred）的级别（更改顺序）；性能变为 25%。

我构建了以下玩具数据。

我理解它很直观，因为它是一个两类数据。但是，我想知道，我这样做是否对我有利；意思是如果性能是 25%（简单地说，接受它为 75%）。

我正在尝试在数据集中研究 Kernel PCA，并且我一直在尝试 R 的 Kernlab 包。该包有一个名为“kpca”的方法。当我在 R shell 中使用它一次调用每个命令时，它工作得很好。然而，为了使这个过程自动化，我创建了一个脚本来做同样的事情，但它会引发错误。这里遵循脚本：

和错误：

似乎它无法加载函数或相关的东西，但谷歌搜索该错误并没有给我任何东西。有人知道这是什么吗？

我试图了解使用 R 包 kernlab 中的命令 ksvm 时 SVM 预测函数是如何工作的。

我尝试使用以下命令查看预测函数：

但是，我得到以下输出，而不是完整的预测函数：

有人可以帮助如何获得完整的预测功能吗？

更新1：

来自拼写错误的建议在 kernlab 包中的 ksvm 预测功能上运行良好，但似乎不适用于 e1071 包中的 svm。

它抛出以下错误：

一般来说，如何知道使用哪种 get 方法？

以下代码：

生成以下输出：

如何将“训练错误”的值提取到变量中？

我想在将 KPCA 传递给我的 SVM 之前对我的训练数据应用 KPCA，这似乎与 kernlab 一起工作得很好。之后，我想将我的测试输入嵌入到新空间中，以便使用我的 SVM 进行预测。纪录片推荐使用predict函数，结果报错：

有人可以帮我解决这个问题吗？谢谢！

我在 kernlab 包中发现了一些令人费解的行为：估计数学上相同的 SVM 在软件中会产生不同的结果。

为简单起见，此代码片段仅获取 iris 数据并使其成为二进制分类问题。如您所见，我在两个 SVM 中都使用了线性内核。

但是，svm1 和 svm2 的摘要信息有很大的不同：kernlab 报告了两个模型之间完全不同的支持向量计数、训练错误率和目标函数值。

为了比较，我还使用 e1071 计算了相同的模型，它为 libsvm 包提供了 R 接口。

我的问题是 kernlab 包中是否有任何已知的错误可以解释这种不寻常的行为。

（R 的 Kernlab 是一个 SVM 求解器，它允许使用几个预打包的内核函数之一，或用户提供的内核矩阵。输出是对用户提供的超参数的支持向量机的估计。）

目的

我试图通过可视化 SVMLinear 分类模型plot。我正在使用kernlab包中提供的示例代码和数据，并注意到caret实际上是通过函数训练 svm ksvm（在此处参考 src 代码（https://github.com/topepo/caret/blob/master/models/files/svmLinear.R））

问题

当我绘制插入符号模型对象的最终模型时，它没有产生数字。而我
尝试了三种方式后，并没有找到出路。

代码

我认为（由 caret 训练）的结构svp.c$finalModel与其他svp（由 original 训练）相同ksvm。但是为什么plot对前者不起作用？

总而言之，我想知道那里是否有人设法通过包plot训练了 SVM 。caret

谢谢你。

Edit2：附件是我的session.Info(). 希望它有助于确定我错过了什么。

R 版本 3.2.2 (2015-08-14) 平台：x86_64-apple-darwin13.4.0 (64-bit) 运行于：OS X 10.11.1 (El Capitan)

语言环境：1 en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8

附加的基础包：

1 stats graphics grDevices utils datasets methods base

其他附加包：

1 kernlab_0.9-22 caret_6.0-62 ggplot2_1.0.1 lattice_0.20-33

通过命名空间加载（未附加）： 1 Rcpp_0.12.2
magrittr_1.5 splines_3.2.2 MASS_7.3-44 munsell_0.4.2

[6] colorspace_1.2-6 foreach_1.4.3 minqa_1.2.4
stringr_1.0.0 car_2.1-0

[11] plyr_1.8.3 tools_3.2.2 parallel_3.2.2
nnet_7.3-11 pbkrtest_0.4-2

[16] grid_3.2.2 gtable_0.1.2 nlme_3.1-122
mgcv_1.8-7 quantreg_5.19 [21] MatrixModels_0.4-1 iterators_1.0.8 lme4_1.1-9 digest_0.6.8 Matrix_1.2-2

[26] nloptr_1.0.4 reshape2_1.4.1 codetools_0.2-14
stringi_1.0-1 compiler_3.2.0

[31] pROC_1.8 scales_0.3.0.9000 stats4_3.2.2
SparseM_1.7 proto_0.3-10

对于 中的分类任务kernlab::ksvm，默认使用的 SVM 是 C-svm (LIBSVM, Chang & Lin)，它计算一个二元分类任务。这可以通过计算多个 1 与多个二元分类器并聚合结果来扩展到多类问题。通过 spoc-svm (Crammer, Singer) 和 kbb-svm (Weston, Watkins) 支持原生多类分类。

这些是kernlab通过type参数 in支持的ksvm（参见?kernlab::ksvm）：

然而，预测概率只能通过 C-svm 获得。为什么？这是实施中的错误吗？

文档没有说明这一点，也没有提供任何指导。如您所见，参数prob.model已在函数调用中指定。至少，这似乎是一个有问题的错误消息。