predict.svm不预测新数据

Question

不幸的是我在下面的简单例子中使用predict()时遇到了问题:

library(e1071)

x <- c(1:10)
y <- c(0,0,0,0,1,0,1,1,1,1)
test <- c(11:15)

mod <- svm(y ~ x, kernel = "linear", gamma = 1, cost = 2, type="C-classification")

predict(mod, newdata = test)

结果如下:

> predict(mod, newdata = test)
   1    2    3    4 <NA> <NA> <NA> <NA> <NA> <NA> 
   0    0    0    0    0    1    1    1    1    1 

任何人都可以解释为什么predict()只给出训练样本(x,y)的拟合值而不关心测试数据？

非常感谢您的帮助!

理查德

Answer 1

看起来这是因为你误用了公式界面svm().通常,提供数据帧或类似对象,在其中搜索公式中的变量.如果不这样做通常无关紧要,即使这不是最佳实践,但是当您想要预测时,不将变量放在数据框中会让您陷入困境.它返回训练数据的原因是因为您没有为newdata对象提供其中命名的组件x.因此,它无法找到新数据,x因此返回拟合值.这对于predict我所知道的大多数R 方法都很常见.

然后解决方案是:i)将您的训练数据放在数据框中并将svm其作为data参数传递,并且ii)提供包含x(from test)to 的新数据框predict().例如:

> DF <- data.frame(x = x, y = y)
> mod <- svm(y ~ x, data = DF, kernel = "linear", gamma = 1, cost = 2,
+ type="C-classification")
> predict(mod, newdata = data.frame(x = test))
1 2 3 4 5 
1 1 1 1 1 
Levels: 0 1

Answer 2

您需要newdata具有相同的形式,即使用data.frame有助于:

R> library(e1071)
Loading required package: class
R> df <- data.frame(x=1:10, y=sample(c(0,1), 10, rep=TRUE))
R> mod <- svm(y ~ x, kernel = "linear", gamma = 1, 
+             cost = 2, type="C-classification", data=df)
R> newdf <- data.frame(x=11:15)
R> predict(mod, newdata=newdf)
1 2 3 4 5
0 0 0 0 0
Levels: 0 1
R>

顺便说一句,这也显示在帮助页面svm():

 ## density-estimation

 # create 2-dim. normal with rho=0:
 X <- data.frame(a = rnorm(1000), b = rnorm(1000))
 attach(X)

 # traditional way:
 m <- svm(X, gamma = 0.1)

 # formula interface:
 m <- svm(~., data = X, gamma = 0.1)
 # or:
 m <- svm(~ a + b, gamma = 0.1)

 # test:
 newdata <- data.frame(a = c(0, 4), b = c(0, 4))
 predict (m, newdata)

总而言之,使用公式接口并提供data.frame ---这就是R中所有建模功能的基本工作方式.