'svr'的参数调整

Question

我如何使用支持向量 REGRESSION 的 tune 函数而不是分类，因为当我尝试使用 "svr" 作为函数的第一个参数时它不起作用，我找不到一个例子调整回归。所以这是我使用 e1071 包执行的代码：

tuneSVR <- tune(svm, 
                train.x = train_[, -which(names(train) %in% c("Identifier", "Sales"))],
                train.y = train$Sales,
                data = train,
                ranges = list(epsilon = seq(0,1,0.1), cost = 2^(seq(0.5,8,.5))))

是不是因为我的问题是回归问题？这些代码行需要很长时间才能执行是否正常？以及如何计算 svr 的 R 平方？

Answer 1

在 e1071::svm() 中，问题类型自动从响应变量中推断出来，但可以使用 type 参数覆盖。 tune() 函数及其对 svm 的包装器的行为类似：

library( e1071 )

# Option 1: using the wrapper
tuneSVR1 <- tune.svm( mtcars[,c("drat","wt")], mtcars$mpg )

# Option 2: using the base function
tuneSVR2 <- tune( svm, mpg~drat+wt, data=mtcars )

# In both cases, the methods correctly infer that the task is regression
tuneSVR2$best.model

# Call:
# best.tune(method = svm, train.x = mpg ~ drat + wt, data = mtcars)
# 
# Parameters:
#    SVM-Type:  eps-regression 
#  SVM-Kernel:  radial 
#        cost:  1 
#       gamma:  0.5 
#     epsilon:  0.1 
# 
# Number of Support Vectors:  28

，可以直接计算为

ypred <- predict( tuneSVR2$best.model, mtcars[,c("drat","wt")] )
cor( ypred, mtcars$mpg )^2
# [1] 0.8325807

'svr'的参数调整

Parameter tuning of 'svr'

r

svm