R語言有很多包可以做機器學習(Machine Learning)的任務。機器學習的任務主要有有監督的學習方式和無監督的學習方式。

有監督學習：在正確結果指導下的學習方式，若是正確結果是定性的，屬于分類問題；若正確結果是定量的，屬于回歸問題。

無監督學習：在沒有正確結果指導下的學習方式，例如：聚類分析、降維處理等

有很多R包可以做機器學習，本文介紹RForML之核心包:e1071

一、 e1071包簡介

e1071包實現了機器學習里面的SVM(支持向量機)算法，NB(樸素貝葉斯)算法、模糊聚類算法、裝袋聚類算法等。

二、e1071包安裝和加載

e1071包是R的擴展包，需要先安裝，再加載，才能使用這個包里面函數做機器學習任務。

安裝和加載e1071包的代碼

if(!suppressWarnings(require(e1071)))

{

install.packages('e1071')

require(e1071)

}

三、e1071包做機器學習

e1071包做預測，即分類和回歸。

1、分類問題

利用SVM算法對UCI的glass數據進行分類

SVM算法

R代碼

##第一步：載入mlbench的Glass數據集

if(!suppressWarnings(require(mlbench)))

{

install.packages('mlbench')

require(mlbench)

}

data(Glass,?package="mlbench")

##第二步：數據集劃分：訓練集和測試集

index?

testindex?

testset?

trainset?

##第三步：構建SVM模型

svm.model?

##第四步：SVM模型應用到測試數據集

svm.pred?

##第五步：模型結果評估

##1混淆矩陣

table(pred?=?svm.pred,?true?=?testset[,10])

##2計算Accuracy和Kappa值

classAgreement(table(pred?=?svm.pred,?true?=?testset[,10]))

2、回歸問題

回歸算法

R代碼

##第一步：載入mlbench的Ozone數據集

if(!suppressWarnings(require(mlbench)))

{

install.packages('mlbench')

require(mlbench)

}

data(Ozone,?package="mlbench")

View(Ozone)

##第二步：數據集劃分，訓練集和測試集7:3

index?

testindex?

trainset?

dim(trainset)

testset?

dim(testset)

##第三步：創建SVM模型

svm.model?

##第四步：利用SVM?模型預測目標變量的值

svm.pred?

##第五步：計算MSE(Mean?Squared?Error)

crossprod(svm.pred?-?testset[,3])?/?length(testindex)

參考資料

作者：JackWang

個人介紹：專注于從數據中學習，努力發掘數據之洞見，積極利用數據之價值。

總結

以上是生活随笔為你收集整理的1071svm函数 r语言_R语言机器学习之核心包e1071 - 数据分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。