R e1071 预测与 libsvm 不同
Posted
技术标签:
【中文标题】R e1071 预测与 libsvm 不同【英文标题】:R e1071 predictions differ from libsvm 【发布时间】:2012-12-30 16:58:14 【问题描述】:我正在尝试使用纯 libsvm 重现我在 R 中获得的结果。
首先我尝试使用write.svm
函数导出我的模型。
我有模型文件和比例文件。我用svm-scale -r model_file test_data
缩放了我的测试数据,然后应用了svm-predict
。
但是我在 R 和 libsvm 中得到的结果是不同的。
然后我尝试用我的训练数据训练 libsvm,我的预测再次与 e1071 不同。
有人可以帮我吗?
附:我正在使用 eps 回归类型的 svm
【问题讨论】:
【参考方案1】:您是否使用随机样本进行训练? e1071 libsvm 是否隐含使用一个?如果是,种子是否与您的样本匹配?
【讨论】:
【参考方案2】:问题在于缩放,R e1071 和 libsvm 中的缩放函数不同。 所以我在 R 中对数据进行了除垢,然后用 libsvm 将其缩小。所以它工作正常。
【讨论】:
以上是关于R e1071 预测与 libsvm 不同的主要内容,如果未能解决你的问题,请参考以下文章
R:在 e1071 包中是不是有比 libsvm 替代的 SVM 实现? [关闭]
R语言e1071包中的支持向量机:螺旋线型线性不可分数据集RBF核函数支持向量机SVM(验证模型在测试集上的表现可视化模型预测的结果添加超平面区域与原始数据标签进行对比分析)
R语言e1071包中的支持向量机:仿真数据(螺旋线性不可分数据集)简单线性核的支持向量机SVM(模型在测试集上的表现可视化模型预测的结果添加超平面区域与原始数据标签进行对比分析)如何改进核函数