kernlab相关内容
我正在尝试使用高斯过程回归(GPR)模型来预测河流中的每小时径流流量。我已经得到了很好的结果,我应用了脱::内核实验室的列车()函数(感谢Kuhn!)。 由于不确定性概念是GPR的主要固有优势之一,我想知道是否有人可以帮助我访问与测试数据集的预测积分相关的结果。 我将摘录我一直使用的代码。由于我的真实数据非常庞大(老实说,我不知道怎么说才好),我将以数据(空气质量)为例。此特定示例中的
..
我有一个关于 R 的 kernlab 包中的 kkmeans 函数的问题.我是这个包的新手,如果我在这里遗漏了一些明显的东西,请原谅我. 我想将一个新数据点分配给一组集群中的一个集群,这些集群是使用内核 k-means 和函数“kkmeans"创建的.对于常规聚类,可以通过计算新数据点和聚类质心之间的欧几里德距离来实现这一点,并选择质心最近的聚类.在内核 k-means 中,必须在特征空间中
..
在使用 caret 调整 SVM 参数时,我观察到了一个非常奇怪的行为.在没有调优的情况下训练单个模型时,径向基核的 SVM 比线性核的 SVM 花费更多的时间,这是预期的.然而,当在相同的惩罚网格上调整带有两个内核的 SVM 时,带有线性内核的 SVM 比带有径向基内核的 SVM 花费更多的时间.使用 R 3.2 和 caret 6.0-47,可以在 Windows 和 Linux 中轻松重现此
..
嗨,我正在尝试使用kernlab包对R中的不平衡数据集进行分类,因为类分布不是1:1,所以我在ksvm()函数调用中使用了class.weights选项,但是我没有得到添加权重或删除权重时,分类方案有何不同?因此,问题是声明类权重的正确语法是什么? 我正在使用以下函数调用: model = ksvm(dummy[1:466], lab_tr,type='C-svc',kernel=pr
..
目的 我试图通过plot可视化SVMLinear分类模型.我正在使用kernlab软件包中提供的示例代码和数据,注意到caret实际上是通过ksvm函数训练svm的(此处指的是src代码( 问题 当我绘制插入符号模型对象的最终模型时,它没有产生图形.而我 我尝试了三种方法后没有找到出路. 代码 require(caret) require(kernlab) # =====
..
我正在开发一种新算法,该算法会生成用于使用SVM进行训练的修改后的内核矩阵,但遇到了一个奇怪的问题. 出于测试目的,我比较了使用kernelMatrix接口和普通内核接口学习的SVM模型.例如, # Model with kernelMatrix computation within ksvm svp1
..
紧随在R中使用ksvm的大型支持向量机的无效概率模型: 我正在使用R中的kernlab软件包中的ksvm来训练SVM.我想使用概率模型,但是在进行S型拟合时,会出现以下错误消息: line search fails -1.833726 0.5772808 5.844462e-05 5.839508e-05 -1.795008e-08 -1.794263e-08 -2.096847e-
..
我正在使用R中的kernlab软件包中的ksvm,通过predict.ksvm中的type="probabilities"选项来预测概率.但是,我发现有时使用predict(model,observation,type="r")不会产生predict(model,observation,type="p")给定的最高概率的类. 示例: > predict(model,observatio
..
我正在尝试使用用户定义的内核.我知道kernlab在R中提供了用户定义的内核(自定义内核功能).我使用了包括软件包kernlab在内的数据垃圾邮件. (变量数量= 57个示例数量= 4061) 我定义了内核的形式, kp=function(d,e){ as=v*d bs=v*e cs=as-bs cs=as.matrix(cs) exp(-(norm(cs,"F")^2)/2) }
..
我在kernlab软件包中发现了一些令人费解的行为:估算数学上相同的SVM在软件中会产生不同的结果. 此代码段仅提取虹膜数据,为简单起见使其成为二进制分类问题.如您所见,我在两个SVM中都使用线性内核. library(kernlab) library(e1071) data(iris) x
..
我对R的kernlab软件包中的kkmeans函数有疑问.我是此软件包的新手,如果我在这里缺少明显的内容,请原谅我. 我想为一组新的数据点分配一个群集,这些群集是使用具有功能"kkmeans"的内核k-means创建的.对于常规聚类,可以通过计算新数据点与聚类质心之间的欧几里得距离来实现,并选择具有最接近质心的聚类.在内核k均值中,必须在特征空间中执行此操作. 以kkmeans描述中使
..