带有插入符号错误的 SVM 分类（基本）

Posted 2023-03-12

技术标签:

【中文标题】带有插入符号错误的 SVM 分类（基本）【英文标题】：SVM Classification with Caret Error (Basic) 【发布时间】：2012-12-04 16:15:57 【问题描述】：

我可能在这里犯了一个非常简单（和愚蠢）的错误，但我无法弄清楚。我正在使用来自 Kaggle (Digit Recognizer) 的一些数据，并尝试将 SVM 与 Caret 包一起使用来进行一些分类。如果我只是将标签值作为数字类型插入函数，那么 Caret 中的 train 函数似乎默认为回归，并且性能很差。所以我接下来尝试使用函数factor() 将其转换为因子并尝试运行SVM 分类。这是一些代码，我在其中生成了一些虚拟数据，然后将其插入 Caret：

library(caret)
library(doMC)
registerDoMC(cores = 4)

ytrain <- factor(sample(0:9, 1000, replace=TRUE))
xtrain <- matrix(runif(252 * 1000,0 , 255), 1000, 252)

preProcValues <- preProcess(xtrain, method = c("center", "scale"))
transformerdxtrain <- predict(preProcValues, xtrain)

fitControl <- trainControl(method = "repeatedcv", number = 10, repeats = 10)
svmFit <- train(transformerdxtrain[1:10,], ytrain[1:10], method = "svmradial")

我收到此错误：

Error in kernelMult(kernelf(object), newdata, xmatrix(object)[[p]], coef(object)[[p]]) : 
  dims [product 20] do not match the length of object [0]
In addition: Warning messages:
1: In train.default(transformerdxtrain[1:10, ], ytrain[1:10], method = "svmradial") :
  At least one of the class levels are not valid R variables names; This may cause errors if class probabilities are generated because the variables names will be converted to: X0, X1, X2, X3, X4, X5, X6, X7, X8, X9
2: In nominalTrainWorkflow(dat = trainData, info = trainInfo, method = method,  :
  There were missing values in resampled performance measures.

谁能告诉我我做错了什么？谢谢！

【问题讨论】：

错误信息很容易解释，不是吗？将您的因子水平称为 0、1、...9 以外的其他值。 @joran 警告信息，不是吗？ @agstudy 是的，谢谢。这当然是一个令人尴尬的警告（哎呀！，我的意思是错误！）就我而言！ :) @mchangun 最好更新您的答案，而不是在评论中进行。这可能只是一个玩具示例，但是当您有 10 个类时，从仅 10 个案例中重新采样似乎很麻烦。而且，事实上，如果我把它减少到两个类，它运行得很好。在定义 ytrain 的地方添加标签对我来说也很好。保留 10 个案例和类别并更改为另一种分类器方法（rpart、cforest）也有效。所以我的猜测是，如果不同的输出具有不同数量的类，那么 train 就无法组合 kernlab 中正在运行的任何 svm 函数的输出。不过这只是猜测。 【参考方案1】：

您有 10 个不同的类，但您在 train() 中只包含 10 个案例。这意味着当您重新采样时，您通常不会在分类器的各个实例中拥有所有 10 个类。 train() 难以组合这些不同类别 SVM 的结果。

您可以通过增加案例数量、减少类别数量，甚至使用不同的分类器来解决此问题。

【讨论】：

【参考方案2】：

我发现在数字识别用例中使用插入符号很有挑战性。我认为部分问题是标签数据是数字。当插入符号尝试从中创建变量时，它们最终以数字开头，这确实不被接受为 R 变量。

就我而言，我通过使用 dplyr 离散化标签数据来解决这个问题。这假设您的训练数据已放入“训练”数据框中。