e1071 的基本 SVM 问题：测试错误率与调谐结果不匹配

Question

这似乎是一个非常基本的问题，但我似乎无法在任何地方找到答案。我是 SVM 和 ML 的新手，我正在尝试做一些简单的练习，但结果似乎并不匹配。我正在将 e1071 与 R 一起使用，并且一直在阅读James、Witten、Hastie 和 Tibshirani撰写的统计学习简介。

我的问题：为什么当我使用 predict 时，我似乎没有任何分类错误，而 tune 函数的结果却显示非零错误率？我的代码（我在看三个类）：

set.seed(4)
dat <- data.frame(pop = rnorm(900, c(0,3,6), 1), strat = factor(rep(c(0,1,2), times=300)))
ind <- sample(1:900)
train <- dat[ind[1:600],]
test <- dat[ind[601:900],]

tune1 <- tune(svm, train.x=train[,1], train.y=train[,2], kernel="radial", ranges=list(cost=10^(-1:2), gamma=c(.5,1,2)))
svm.tuned <- svm(train[,2]~., data=train, kernel = "radial",  cost=10, gamma=1) # I just entered the optimal cost and gamma values returned by tune
test.pred <- predict(svm.tuned, newdata=data.frame(pop=test[,1],strat=test[,2]))

因此，当我查看 test.pred 时，我看到每个值都与真正的类标签相匹配。然而，当我调整模型时，它给出了大约 0.06 的错误率，无论哪种方式，对于不可分离的数据，测试错误率为 0 似乎都是荒谬的（除非我错认为这是不可分离的？）。任何澄清都会非常有帮助。非常感谢。

Answer 1

tune函数执行 10 次交叉验证。它将您的训练数据随机分成 10 部分，然后进行迭代：

• 选择它们中的每一个并将其称为“验证集”
• 选择剩余的 9 个并将它们称为“训练集”
• 它使用训练集上的给定参数训练 SVM，并检查它在验证集上的工作情况
• 计算这 10 个“折叠”的平均误差

来自“调整”功能的信息就是这个平均误差。一旦选择了最佳参数，您就可以在整个集合上训练您的模型，这恰好是用于调整的参数的 1/9。结果，在您的特定情况下（它不经常发生）-您得到的分类器可以完美地预测您的“测试”集，并且在调整时尝试了一些较小的分类器-犯了一个小错误-这就是为什么您将获得有关不同错误的信息。

更新

看来，您实际上也在输入和标签上训练您的模型......看看你的

svm.tuned$SV

变量，它保存支持向量。

要训​​练 svm，只需运行

svm(x,y,kernel="...",...)

例如

svm(train$pop, train$strat, kernel="linear" )

这会导致一些错误分类（正如预期的那样，因为线性核不能完美地分离这些数据）。

或者使用你的符号

svm.tuned <- svm(strat~., data=train, kernel = "radial",  cost=10, gamma=1)

请注意，您应该使用框架列的名称str，而不是索引。