人大经济论坛 › 论坛 › 数据科学与人工智能 › 数据分析与数据科学 › R语言论坛 › R语言中svm问题

发帖

楼主: 露露的家园2012

4183 5

[问答] R语言中svm问题 [推广有奖]

8关注
1粉丝

博士生

78%

还不是VIP/贵宾

威望: 0 级
论坛币: 436 个
通用积分: 0.0602
学术水平: 5 点
热心指数: 5 点
信用等级: 0 点
经验: 4549 点
帖子: 164
精华: 0
在线时间: 407 小时
注册时间: 2015-11-3
最后登录: 2020-2-8

楼主

露露的家园2012 发表于 2018-1-22 09:19:33 |AI写论文

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

各位，我想问问使用svm去做二分类是不是对预测数据有着严格的限制呢。我这几天用一个svm的模型去二分类，出现了“test data does not match this model”,能不能跟我解释一样。这个是我原始数据的情况：

> summary(new_p6)
product_no param1 param2 param4 param3
Length:32482859 1 : 7655435 4 :15139704 1 :31122586 Min. : 1.0
Class :character 2 :14368356 5 : 5200308 2 : 27980 1st Qu.: 7.0
Mode :character 3 : 9126775 1 : 4859871 NA's: 1332293 Median : 18.0
5 : 0 3 : 3367277 Mean : 25.9
NA's: 1332293 2 : 2487705 3rd Qu.: 38.0
(Other): 95701 Max. :139.0
NA's : 1332293 NA's :1332293
param5 param6 param7 param8 param9
1 : 509271 1 : 5346827 Min. : 0 Min. : 0.0 1 :13989404
2 : 5355947 2 :25775759 1st Qu.: 60 1st Qu.:369.0 2 :17161162
3 :25257368 3 : 27980 Median : 90 Median :370.0 3 : 0
5 : 27980 NA's: 1332293 Mean : 93 Mean :374.2 4 : 0
NA's: 1332293 3rd Qu.:130 3rd Qu.:409.0 NA's: 1332293
Max. :600 Max. :601.0
NA's :1332293 NA's :1340707
param10 param_name param_value
1 :31150566 24 : 1502912 Min. :-81.8
4 : 0 25 : 1492312 1st Qu.: 22.4
NA's: 1332293 3 : 1355397 Median : 25.3
22 : 1326019 Mean : 40.0
23 : 1318113 3rd Qu.: 26.6
(Other):24154399 Max. :550.0
NA's : 1333707 NA's :1333707
> set.seed(2)
> u1<-sample(dim(new_p6)[1],round(0.001*dim(new_p6)[1]))
> dta_1<-new_p6[u1,]
> fit_1<-predict(fit,newdata=dta_1[,2:13])
Error in predict.svm(fit, newdata = dta_1[, 2:13]) :
test data does not match model !

复制代码

> dta_1
product_no param1 param2 param4 param3 param5 param6 param7 param8 param9 param10
6290358 312-161202-007 3 4 1 45 3 2 60 410 1 1
25727899 345-161203-005 2 5 1 3 3 2 130 300 2 1
19675857 334-161225-071 2 3 1 16 2 1 90 399 1 1
5743660 310-161226-081 3 4 1 1 3 2 90 369 1 1
33957681 358-161218-050 2 1 1 1 3 2 90 400 2 1
33945845 358-161218-050 2 1 1 1 3 2 90 400 2 1
4416847 308-161202-006 1 4 1 32 3 2 60 410 1 1
30072514 352-161224-062 2 1 1 21 3 2 130 370 1 1
15992245 327-161208-024 2 4 1 20 3 2 60 430 1 1
18897946 333-161204-012 2 4 1 23 3 2 60 430 2 1
18985335 333-161207-022 2 4 1 33 3 2 130 310 1 1
8054328 314-161211-030 3 4 1 24 3 2 60 430 1 1
27653284 347-161226-080 2 4 1 16 3 2 90 370 2 1
6158407 311-161229-093 2 4 1 62 3 2 90 370 2 1
13672662 323-161230-094 2 4 1 12 3 2 90 370 2 1
30733950 353-161223-066 1 4 1 11 3 2 130 370 2 1
35015295 359-161230-086 3 1 1 20 3 2 90 370 1 1
7629800 313-161227-082 1 4 1 51 3 2 90 369 2 1
14956614 325-161228-085 3 4 1 7 3 2 90 369 1 1
2628267 305-161219-053 2 4 1 28 3 2 90 370 2 1
24090644 342-161224-062 1 5 1 1 3 2 130 370 1 1
NA.523268 <NA> <NA> <NA> <NA> NA <NA> <NA> NA NA <NA> <NA>
30184267 352-161228-074 2 1 1 33 3 2 90 370 1 1
5164580 310-161201-003 3 5 1 8 3 2 60 410 1 1
11778937 320-161206-018 2 4 1 34 3 2 60 430 1 1
16728480 330-161202-003 2 4 1 1 3 2 60 410 2 1
5123827 308-161231-096 1 2 1 2 2 1 90 389 1 1
12106352 320-161222-069 2 4 1 85 3 2 90 370 2 1
34568511 359-161209-022 3 5 1 11 3 2 130 310 1 1
4521216 308-161206-017 1 4 1 43 3 2 60 429 2 1
338294 301-161218-056 2 4 1 29 3 2 90 370 1 1
5632904 310-161222-069 3 4 1 40 3 2 90 370 2 1
29308171 351-161223-062 1 1 1 30 3 2 130 370 2 1
31240149 354-161223-046 3 4 1 27 3 2 90 370 2 1
17680641 331-161218-053 3 4 1 19 3 2 90 400 2 1
22908543 341-161204-013 3 3 1 20 2 1 130 310 1 1
30429182 353-161207-016 2 5 1 6 3 2 130 310 1 1
9547754 316-161219-057 1 2 1 1 2 1 90 370 1 1
24263676 342-161229-076 1 5 1 1 3 2 90 369 1 1
5163550 310-161201-003 3 5 1 8 3 2 60 410 1 1
35188408 360-161206-013 3 5 1 2 3 2 130 310 2 1
10137312 317-161210-028 3 4 1 3 3 2 60 429 2 1
3959654 307-161211-030 3 4 1 6 3 2 60 430 1 1
5577093 310-161220-063 3 4 1 34 3 2 90 370 1 1
33964257 358-161220-051 2 1 1 2 3 2 90 400 2 1
28810263 350-161231-093 3 2 1 9 2 1 90 390 1 1
34959730 359-161228-080 3 1 1 14 3 2 90 370 1 1
11837931 320-161208-024 2 4 1 40 3 2 60 430 2 1
17157146 330-161226-072 2 4 1 41 3 2 90 369 2 1
29314834 351-161223-062 1 1 1 30 3 2 130 370 2 1
230922 301-161209-027 2 4 1 48 3 2 60 430 2 1
486437 301-161223-071 2 4 1 44 3 2 90 370 1 1
25097324 344-161202-005 2 3 1 7 2 1 60 410 1 1
33217029 357-161219-057 1 1 1 51 3 2 90 400 2 1
9240162 316-161202-004 1 5 1 9 3 2 110 299 1 1
29362338 351-161225-067 3 1 1 1 3 2 90 399 2 1
28518407 350-161221-063 2 5 1 52 3 2 90 370 2 1
35421450 360-161220-056 3 1 1 2 3 2 90 369 2 1
22315582 339-161207-020 3 3 1 14 2 1 130 310 2 1
25981645 345-161218-048 2 5 1 3 3 2 90 400 2 1
28003507 349-161211-035 3 4 1 44 3 2 130 310 2 1
31828840 355-161220-053 3 1 1 34 3 2 90 369 2 1
22841156 341-161202-006 3 3 1 13 2 1 60 410 1 1
8749633 315-161210-028 2 4 1 26 3 2 60 430 2 1
30913406 353-161230-084 2 1 1 12 3 2 90 368 2 1
14718800 325-161219-061 2 4 1 65 3 2 90 370 1 1
NA.542602 <NA> <NA> <NA> <NA> NA <NA> <NA> NA NA <NA> <NA>
15498814 326-161220-061 2 4 1 1 3 2 90 370 1 1
7388049 313-161219-057 1 4 1 26 3 2 90 370 2 1
2334494 305-161204-010 2 4 1 13 3 2 60 430 2 1
9249901 316-161202-005 1 5 1 10 3 2 130 300 2 1
10580607 317-161231-091 3 5 1 4 3 2 90 390 1 1
1389356 303-161229-083 1 4 1 18 3 2 90 369 2 1
6283576 312-161202-007 3 4 1 45 3 2 60 410 1 1
6241340 311-170101-001 2 4 1 71 3 2 90 388 1 1
27489217 347-161220-063 2 2 1 25 2 1 90 370 2 1
param_name param_value
6290358 6 2.575016e+01
25727899 8 2.418540e+01
19675857 11 2.660639e+01
5743660 5 2.474012e+01
33957681 7 2.471572e+01
33945845 20 3.519604e+01
4416847 5 2.587998e+01
30072514 21 3.136111e+02
15992245 6 2.417725e+01
18897946 23 1.718765e+00
18985335 19 2.460573e+01
8054328 12 2.469091e+01
27653284 17 2.582163e+01
6158407 24 4.727952e+00
13672662 15 3.017999e+01
30733950 2 1.164028e+02
35015295 14 2.461869e+01
7629800 17 2.581998e+01
14956614 11 2.509000e+01
2628267 25 2.861023e+00
24090644 9 2.529216e+01
NA.523268 <NA> NA
30184267 3 1.221369e+01
5164580 22 1.726184e+00
11778937 10 3.108998e+01
16728480 16 2.200007e+01
5123827 11 2.597124e+01
12106352 14 2.362197e+01
34568511 13 2.537687e+01
4521216 24 5.078697e-02
338294 1 1.268997e+02
5632904 17 2.549294e+01
29308171 23 1.723368e+00
31240149 25 2.398362e+00
17680641 2 1.279625e+02
22908543 21 2.909838e+02
30429182 23 1.709720e+00
9547754 6 2.337999e+01
24263676 12 2.621521e+01
5163550 21 3.329109e+02
35188408 10 2.671000e+01
10137312 1 1.301458e+02
3959654 4 2.821405e+01
5577093 23 1.713770e+00
33964257 4 2.600653e+01
28810263 6 2.509091e+01
34959730 9 2.556014e+01
11837931 20 3.510778e+01
17157146 2 1.301524e+02
29314834 12 2.699658e+01
230922 10 2.493999e+01
486437 7 2.320003e+01
25097324 11 2.724579e+01
33217029 20 3.484303e+01
9240162 14 2.452983e+01
29362338 12 2.709913e+01
28518407 16 2.531995e+01
35421450 4 2.506008e+01
22315582 9 2.556285e+01
25981645 11 2.591896e+01
28003507 1 1.303692e+02
31828840 23 1.697196e+00
22841156 5 2.603767e+01
8749633 10 2.481993e+01
30913406 15 2.445819e+01
14718800 2 1.301053e+02
NA.542602 <NA> NA
15498814 5 2.494073e+01
7388049 25 4.291814e-02
2334494 15 2.329044e+01
9249901 1 1.306899e+02
10580607 12 2.570998e+01
1389356 12 2.624000e+01
6283576 24 2.682654e+00
6241340 15 2.541069e+01
27489217 24 8.739304e+00
[到达getOption("max.print") -- 略过32407行]]

复制代码

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

沙发

yywan0913

发表于 2018-1-22 10:54:00

你的fit是什么？ predict是对你的test数据进行预测，但没看到你的训练集数据的train

复制代码

藤椅

露露的家园2012 发表于 2018-1-22 11:05:37

yywan0913 发表于 2018-1-22 10:54

fit<-svm(label~.,data=train_asb)

复制代码

板凳

露露的家园2012 发表于 2018-1-22 11:07:12

yywan0913 发表于 2018-1-22 10:54

训练集，跟dta1差不多，只是多出了label这一列

报纸

jgchen1966 发表于 2018-1-22 11:43:47

train data 与test data 可能不相一致：或者类型不同。或者，从你数据显示的瞧，更可能，很多变量是离散的（即仅几个不同数值），在随机取样为tgrain data,和 test data 时，多项变量，不经意间，成了二项变量。。svm函数内部，缺失设置情况下，会自动scale，但对二项变量不scale。这是，在kernlab中的ksvm是明确的，但e1071的svm没有明确，但估计也会这样。。