使用线性核创建SVM模型时的问题

Question

我是R的新手，试图用线性核创建一个SVM模型。

下面是代码。

library(e1071)

svm.narrow.margin <- svm(Diagnosis~., 
                 data = biomed,
                 type = "C-classification",
                 cost = 1.0,
                 kernel = "linear")

然而它却返回了这个错误信息。

Error in if (any(as.integer(y) != y)) stop("因变量必须是分类模式的因子或整数类型。") : 缺少了需要TRUEFALSE的值此外。警告信息:在svm.default(x，y，scale = scale，...，na.action = na.action)中:由强制引入的NAs。

我在R Studio Cloud上运行了同样的一套代码，却能正常工作，这让人很困惑。

请Halp!

Answer 1

让我们尝试着把问题重现出来，并走一遍解决方法。

这样就可以了。

 svm_works <- svm(Species~., data = iris, type = "C-classification", cost = 1.0, 
             kernel = "linear")

> svm_works

Call:
svm(formula = Species ~ ., data = iris, type = "C-classification", cost = 1, 
    kernel = "linear")


Parameters:
   SVM-Type:  C-classification 
 SVM-Kernel:  linear 
       cost:  1 

Number of Support Vectors:  29

SVM的结果必须是一个分类器， 或者用R术语来说是一个因子，比如Species。

> str(iris)
'data.frame':	150 obs. of  5 variables:
 $ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
 $ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
 $ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
 $ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
 $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...

让我们看看当我们将预测器改为非因子变量时会发生什么。这将产生你的错误。

#Change predictor to non-factor, like Sepal.Length

> svm_not_work <- svm(Sepal.Length~., data = iris, type = "C-classification", 
 cost = 1.0, kernel = "linear")
            
Error in svm.default(x, y, scale = scale, ..., na.action = na.action) : 
  dependent variable has to be of factor or integer type for classification mode.

所以很可能你的分类器，或者预测器，或者你的公式中的y (y~., data=data) 这些都是同义词）有问题。