支持向量机SVM，训练数据采用01数字标签和AB字符标签结果不同原因

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

支持向量机SVM，训练数据采用0或1数字标签，与A-B字符标签，训练结果不同是什么原因呢？

library(e1071)
library(pROC)
set.seed(80)
features = cbind(matrix(rnorm(200),ncol=4))
rownames(features)=paste('A_',c(1:50),sep='')
label_num = matrix(c(rep(1,25),rep(0,25)),ncol=1)
data = cbind(features, label_num)
colnames(data)=c('feature1','feature2','feature3','feature4','label')
index <- which( (1:nrow(data))%%3 == 0 )
trainset <- data[-index,]
testset <- data[index,]
train_model <- svm(label ~ .,data = trainset,kernel="radial",cost=1,gamma=1/ncol(trainset))
pre_svm <- predict(train_model,newdata = testset[,-dim(testset)[2]])
obs_p_svm_01 = data.frame(prob=pre_svm,obs=testset[,'label'])
svm_roc <- roc(testset[,'label'],as.numeric(pre_svm))
print(svm_roc)
# 得到结果 Area under the curve: 0.6094

label_str = data.frame(label = factor(rep(c("A", "B"), c(25, 25))))
data = cbind(features, label_str)
colnames(data)=c('feature1','feature2','feature3','feature4','label')
index <- which( (1:nrow(data))%%3 == 0 )
trainset <- data[-index,]
testset <- data[index,]
train_model <- svm(label ~ .,data = trainset,kernel="radial",cost=1,gamma=1/ncol(trainset))
pre_svm <- predict(train_model,newdata = testset[,-dim(testset)[2]])
obs_p_svm_str = data.frame(prob=pre_svm,obs=testset[,'label'])
svm_roc <- roc(testset[,'label'],as.numeric(pre_svm))
print(svm_roc)
# 得到结果 Area under the curve: 0.4375

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：支持向量机 训练数据 结果不同 SVM 向量机

1、虽然生成的数据结构一样，但是两个label的数据类型是不一样，str(label)试一下。
2、把第一个数据的label从0/1换成1/2再试试，看看有什么不同。
3、把第二个数据的label从A/B换成0/1，但仍保留因子类型，看看有什么不同。或者把第一个数据的0/1改成因子型，也可以试试。
这样试下来，大致可以看出问题是不是由数据类型差异导致的。

llb_321 发表于 2021-7-30 10:19
1、虽然生成的数据结构一样，但是两个label的数据类型是不一样，str(label)试一下。
2、把第一个数据的la ...

多谢您的回复，我看了二者的预测结果，分类结果是一致的，只是画ROC曲线的时候不同，所以AUC不同，模型没有问题。多谢！