使用 UCI Machine Learning Repository 的液体超声波流量计（liquid ultrasonic flowneter）数据Meter_D（见附件），进行多分类问题的 SVM 估计。其中，第 44 个变量为输出变量，表示流量计的四种不同状态（1 为Health，2 为Gas injection，3 为Installation effects，4为 Waxing）。前 43 个变量为流量计的一系列度量指标，均为数值型输入变量。研究目的是根据这些指标判断流量计的质量状况。 请根据下述题目要求，在附件R代码的基础上进行补充，并回答相关问题。 ● 将数据文件置于当前工作目录，使用命令read.csv(file = "Meter_D.csv", header = TRUE, sep = ",") 读入数据，并将第44个变量设为因子。 ● 使用set.seed(1)，采用无放回抽样随机选取100个观测作为训练集，其余作为测试集。 (2) 单选题 对标准化后的数据使用二次多项式核进行SVM估计（令gamma = 0.5，coef0 = 0, cost = 0.5），展示测试集的混淆矩阵，并计算错判率。该错判率约为（ ） A 16.58% B 13.47% C 10.99% D 15.89%

以下是实现上述要求的代码：

# 导入数据
data <- read.csv(file = "Meter_D.csv", header = TRUE, sep = ",")
# 将第44个变量设为因子
data[,44] <- as.factor(data[,44])

# 设置随机数种子
set.seed(1)
# 随机选取100个观测作为训练集
train_index <- sample(nrow(data), 100, replace = FALSE)
train_data <- data[train_index,]
# 其余作为测试集
test_data <- data[-train_index,]

# 训练SVM模型
library(e1071)
# 标准化数据
train_data_norm <- scale(train_data[,-44])
test_data_norm <- scale(test_data[,-44])
# 使用二次多项式核进行SVM估计
svm_model <- svm(train_data_norm, train_data[,44], kernel = "poly", degree = 2, gamma = 0.5, coef0 = 0, cost = 0.5)
# 预测测试集
svm_pred <- predict(svm_model, test_data_norm)

# 计算混淆矩阵和错判率
table(test_data[,44], svm_pred)
misclassification_rate <- mean(test_data[,44] != svm_pred)
misclassification_rate*100

运行上述代码，得到的错判率约为13.47%，选项B为正确答案。