kernlab包的ksvm预测问题

  在kernlab包中ksvm进行预测时，检验集必须带有结果变量，那还算什么预测啊，如果真正预测的时候是没有结果变量的，这一点我不知道它为什么这样做，请大神解答！

大兄弟 你确定是这样吗  我用IRIS集合做的测试 完全没问题
library(kernlab)
data(iris)
rbf <- rbfdot(sigma=0.1)
irismodel <- ksvm(Species~.,data=iris,type="C-bsvc",kernel=rbf,C=10,prob.model=TRUE)
fitted(irismodel)
predict(irismodel, iris[,-5], type="response")

二楼是可以，其他kernlab这个包稳健性很强，所以你predict时预测数据集加上目标变量和不加上目标变量都是一样的结果，你可以自己测试一下
这可能是他的一个bug吧。
我刚才测试了，结果是一样的。

AlexYoung757 发表于 2017-3-1 10:08
大兄弟 你确定是这样吗  我用IRIS集合做的测试 完全没问题
library(kernlab)
data(iris)

是的，我也用iris数据做了，可以去掉响应变量，但是我自己的数据还是不行

数据小宝 发表于 2017-3-1 10:55
二楼是可以，其他kernlab这个包稳健性很强，所以你predict时预测数据集加上目标变量和不加上目标变量都是一 ...

试了，用iris行，但我的数据还是不行，不知哪儿出错了

飞天玄舞6 发表于 2017-3-1 11:02
试了，用iris行，但我的数据还是不行，不知哪儿出错了

我用的不是iris，是自己的数据，也可以。。

AlexYoung757 发表于 2017-3-1 10:08
大兄弟 你确定是这样吗  我用IRIS集合做的测试 完全没问题
library(kernlab)
data(iris)

1. svmmodel4 <- ksvm(svm_train[,1]~., data=svm_train,kernel = "rbfdot",C=2.4,
   
2.                    kpar=list(sigma=.12),cross=5)
   
3. #Warning message:
   
4. #In .local(x, ...) : Variable(s) `' constant. Cannot scale data.
   
5. pred <- predict(svmmodel4, svm_test[,-1])
   
6. #Error in eval(expr, envir, enclos) : object '问题类别' not found

复制代码

但是用pred <- predict(svmmodel4, svm_test)就行了。

支持支持，学习了

我又用《机器学习与R语言》的数据letterdata试了一下，但还是必须有响应变量，没有的话会出现Error in eval(expr, envir, enclos) : object 'letter' not found

letter=read.csv(“letter-recognition.data",sep=",",header=FALSE)
colnames(letter)=c("letter","x-box","y-box","width","high","onpix","x-bar","y-bar",
                   "x2bar","y2bar","xybar","x2ybr","xy2br","x-ege","xegvy","y-ege",
                   "yegvx")

library(caret)
set.seed(2014)
intrain=createDataPartition(y=letter$letter,p=0.8,list = FALSE)
letter_train=letter[intrain,]
letter_test=letter[-intrain,]

#kernlab包下的ksvm算法
library(kernlab)
letter_classifer=ksvm(letter~.,data=letter_train,kernel="vanilladot")
#模型评估
letter_pred=predict(letter_classifer,letter_test[,-1])
agreement= letter_pred==letter_test$letter#返回的逻辑值，预测与实际是否相等
table(agreement)
prop.table(table(agreement))
是这个数据集吧，我这里没问题。