R 언어 지원 벡터 훈련 모델 기반 클래스 예측

앞서 훈련 집 기반 SVM 훈련 방법 을 소개 했다.훈련 을 통 해 알고리즘 은 간격 구간 을 최대 화 하 는 가장 좋 은 평면 을 찾 아 훈련 데이터 세트 를 분할 하고 SVM 모델 을 얻어 새로운 사례 의 유형 을 예측 할 수 있 습 니 다.
준비 하 다.
이전에 구 축 된 churn 으로 구 축 된 model 을 사용 합 니 다.
조작 하 다.
구 축 된 SVM 모델 과 테스트 데이터 세트 의 속성 을 이용 하여 모델 을 예측 합 니 다.

svm.pred = predict(model,testset[,!names(testset) %in% c("churn")])
svm.table = table(svm.pred,testset$churn)
svm.table

svm.pred yes  no
     yes  70  12
     no   71 865

classAgreement 컴 퓨 팅 분류 일치 성 호출

classAgreement(svm.table)
$diag
[1] 0.9184676

$kappa
[1] 0.5855903

$rand
[1] 0.850083

$crand
[1] 0.5260472

confusionMatrix 호출 분류 표 기반 예측 성능

library(lattice)
library(ggplot2)
library(caret)
confusionMatrix(svm.table)
Confusion Matrix and Statistics


svm.pred yes  no
     yes  70  12
     no   71 865

               Accuracy : 0.9185          
                 95% CI : (0.8999, 0.9345)
    No Information Rate : 0.8615          
    P-Value [Acc > NIR] : 1.251e-08       

                  Kappa : 0.5856          
 Mcnemar's Test P-Value : 1.936e-10       

            Sensitivity : 0.49645         
            Specificity : 0.98632         
         Pos Pred Value : 0.85366         
         Neg Pred Value : 0.92415         
             Prevalence : 0.13851         
         Detection Rate : 0.06876         
   Detection Prevalence : 0.08055         
      Balanced Accuracy : 0.74139         

       'Positive' Class : yes             

설명 하 다.
이 절 은 먼저 predict 함 수 를 호출 하여 테스트 데이터 세트 의 예측 모델 을 얻 은 다음 에 table 함수 로 테스트 데이터 세트 의 분류 표를 만 듭 니 다. 다음 의 성능 평가 과정 은 상기 장 에서 다른 방법 으로 평가 하 는 것 과 유사 합 니 다.새로운 함수 classAgreement 를 도입 하여 2 차원 열 연결 표 행렬 간 의 여러 가지 일치 성 관 계 를 계산 합 니 다.diag 계 수 는 분류 표 의 주요 대각 성 데이터 점 의 백분율 이 고 kappa 계 수 는 diag 계수 의 임 의 일치 성에 대한 수정 이다. rand 는 집합 평가 기준 (rand index) 을 대표 하고 주로 두 개의 집적 간 의 유사 성 을 횡 량 하 는 데 사용 된다. crand 계 수 는 요소 의 임 의 분류 상황 이 랜 드 index 에 대한 수정 결과 이다.
SVM 회귀 분석
SVM 예측 연속 변수, 즉 SVM 을 사용 해 회귀 분석 을 할 수도 있다.다음 사례 에서 저 희 는 eps - regression 모델 을 사용 하여 SVM 을 어떻게 사용 하여 회귀 분석 을 수행 하 는 지 설명 합 니 다.Quartet 데이터 세트 를 사용 하여 지원 벡터 기 를 훈련 합 니 다.

library(car)
data(Quartet)
model.regression = svm(Quartet$y1~Quartet$x,type = "eps-regression")

예측 결 과 를 예측 하기 위해 predict 함 수 를 사용 합 니 다.

predict.y = predict(model.regression,Quartet$x)
predict.y

plot 그래 픽 함수 호출, 예측 값 은 정사각형, 훈련 데이터 용 원형:

plot(Quartet$x,Quartet$y1,pch = 19)
points(Quartet$x,predict.y,pch = 15,col = "red")