R語言有很多包可以做機器學(xué)習(xí)(Machine Learning)的任務(wù)。機器學(xué)習(xí)的任務(wù)主要有有監(jiān)督的學(xué)習(xí)方式和無監(jiān)督的學(xué)習(xí)方式。

有監(jiān)督學(xué)習(xí)：在正確結(jié)果指導(dǎo)下的學(xué)習(xí)方式，若是正確結(jié)果是定性的，屬于分類問題；若正確結(jié)果是定量的，屬于回歸問題。

無監(jiān)督學(xué)習(xí)：在沒有正確結(jié)果指導(dǎo)下的學(xué)習(xí)方式，例如：聚類分析、降維處理等

有很多R包可以做機器學(xué)習(xí)，本文介紹RForML之核心包:e1071

一、 e1071包簡介

e1071包實現(xiàn)了機器學(xué)習(xí)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(shù)做機器學(xué)習(xí)任務(wù)。

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(xué)習(xí)

e1071包做預(yù)測，即分類和回歸。

1、分類問題

利用SVM算法對UCI的glass數(shù)據(jù)進行分類

SVM算法

R代碼

##第一步：載入mlbench的Glass數(shù)據(jù)集

if(!suppressWarnings(require(mlbench)))

{

install.packages('mlbench')

require(mlbench)

}

data(Glass,?package="mlbench")

##第二步：數(shù)據(jù)集劃分：訓(xùn)練集和測試集

index?

testindex?

testset?

trainset?

##第三步：構(gòu)建SVM模型

svm.model?

##第四步：SVM模型應(yīng)用到測試數(shù)據(jù)集

svm.pred?

##第五步：模型結(jié)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(shù)據(jù)集

if(!suppressWarnings(require(mlbench)))

{

install.packages('mlbench')

require(mlbench)

}

data(Ozone,?package="mlbench")

View(Ozone)

##第二步：數(shù)據(jù)集劃分，訓(xùn)練集和測試集7:3

index?

testindex?

trainset?

dim(trainset)

testset?

dim(testset)

##第三步：創(chuàng)建SVM模型

svm.model?

##第四步：利用SVM?模型預(yù)測目標(biāo)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(shù)據(jù)中學(xué)習(xí)，努力發(fā)掘數(shù)據(jù)之洞見，積極利用數(shù)據(jù)之價值。

總結(jié)

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(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。