r语言svm数据标准化的代码

下面给出一个使用 R 语言中的 `svm` 包进行数据标准化的示例代码：

library(e1071)

# 读取数据
data <- read.csv("data.csv")

# 将数据分为训练集和测试集
train_size <- floor(0.8 * nrow(data))
train_idx <- sample(seq_len(nrow(data)), size = train_size)
train <- data[train_idx, ]
test <- data[-train_idx, ]

# 将训练集和测试集的特征数据进行标准化
train_scaled <- scale(train[, -ncol(train)])
test_scaled <- scale(test[, -ncol(test)])

# 使用 svm 进行建模
model <- svm(target ~ ., data = train_scaled)

# 在测试集上进行预测
pred <- predict(model, test_scaled)

# 计算预测准确率
accuracy <- sum(pred == test$target) / nrow(test)

在上面的代码中，`scale` 函数用于将数据标准化，将每个特征的均值调整为 0，标准差调整为 1。这样做可以避免某些特征对模型的影响过大，同时也可以加速模型的训练。