R में रैखिक SVM से निर्णय सीमाएँ कैसे प्राप्त करें?

Question

मुझे एक ऐसे पैकेज की ज़रूरत है जो मुझे रैखिक एसवीएम मॉडल के लिए समीकरण दे सके। वर्तमान में मैं e1071 का उपयोग कर रहा हूँ जैसे:

library(e1071)
m = svm(data, labels, type='C', kernel='linear', cost=cost, probability=FALSE, scale=scale)
w = t(m$coefs) %*% data[m$index,]  #Weight vector
b = -model$rho #Offset

हालांकि, मुझे यकीन नहीं है कि e1071::svm()सकारात्मक और नकारात्मक वर्ग कैसे चुने जाते हैं, इसलिए मुझे लगता है कि यह अलग-अलग डेटा सेट के साथ खराब हो सकता है। क्या कोई पुष्टि कर सकता है कि यह फ़ंक्शन कैसे तय करता है कि कौन सा वर्ग सकारात्मक है और कौन सा नकारात्मक है?

इसके अलावा, क्या इसके लिए बेहतर पैकेज है?

Comments

मैंने संबंधित थ्रेड पर इसके बारे में कुछ जानकारी प्रदान की: एक रैखिक एसवीएम मॉडल की निर्णय सीमा की गणना ।

— CHL

आँकड़े

Answer 1

डेटा बिंदु के लिए $x$ आपका SVM निर्णय मूल्य की गणना करता है $d$ इस अनुसार:

d <- sum(w * x) + b

अगर $d > 0$ तब का लेबल $x$ है $+1$, और यह है $-1$। आप newdataकहकर डेटा मैट्रिक्स के लिए लेबल या निर्णय मान भी प्राप्त कर सकते हैं

predict(m, newdata)

या

predict(m, newdata, decision.values = TRUE)

पैकेज e1071 से SVM ​​का उपयोग करते समय सतर्क रहें, e1071 libsvm के साथ समस्या देखें ? सवाल। R के लिए कई अन्य एसवीएम पैकेज kernlab, klaR और svmpath हैं, इस अवलोकन को देखें: R में A. वेक्टर मशीनों का समर्थन करें । Karatzoglou और D. Meyer।

Comments

धन्यवाद, लेकिन मेरा सवाल यह है कि मुझे w और b मान कैसे मिले। इसके अलावा, निर्णय मूल्य के बारे में, मैं पूछ रहा हूं कि कैसे e1071 तय करता है कि दिए गए लेबल सकारात्मक है और प्रशिक्षण डेटा के लिए नकारात्मक है जब आप इसे पास करते हैं।

— 13:30 बजे रीसनेर

मैं e1071 से परिचित नहीं हूं, लेकिन मुझे SVM ​​पता है। क्या किसी वर्ग को सकारात्मक माना जाता है या नकारात्मक परिणाम को प्रभावित नहीं करेगा। आप कोई भी डेटासेट ले सकते हैं और कक्षा के लेबल को स्वैप कर सकते हैं और आपको अभी भी परीक्षण बिंदुओं (समान मापदंडों के लिए) को वर्गीकृत करने के संदर्भ में समान परिणाम प्राप्त करना चाहिए। सकारात्मक और नकारात्मक का उपयोग यह निर्धारित करने के लिए किया जाता है कि उदाहरण निर्णय सीमा के दाईं ओर है।

— करेनु