R语言支持向量机交叉验证

在 R 语言中，可以使用 e1071 包中的 svm 函数进行支持向量机建模。为了选择最佳的参数，可以使用交叉验证来进行模型选择。

以下是一个简单的示例：

library(e1071)

# 读取数据
data(iris)

# 将数据集分为训练集和测试集
set.seed(123)
train_index <- sample(1:nrow(iris), 0.7 * nrow(iris))
train_data <- iris[train_index, ]
test_data <- iris[-train_index, ]

# 创建一个参数网格
tuned_parameters <- expand.grid(
  C = c(0.1, 1, 10),
  kernel = c("linear", "radial", "sigmoid"),
  degree = 1:3
)

# 进行交叉验证
set.seed(123)
tuned_models <- tune.svm(
  Species ~ ., 
  data = train_data, 
  kernel = tuned_parameters$kernel, 
  degree = tuned_parameters$degree, 
  cost = tuned_parameters$C, 
  cross = 5
)

# 查看最佳模型和参数
best_model <- tuned_models$best.model
best_parameters <- tuned_models$best.parameters
print(best_model)
print(best_parameters)

# 在测试集上进行预测
test_pred <- predict(best_model, newdata = test_data[, -5])

在上面的示例中，我们首先将 iris 数据集分为训练集和测试集。然后，我们创建了一个包含不同 C 值、核函数和多项式次数的参数网格。接下来，我们使用 tune.svm 函数进行交叉验证，使用 5 折交叉验证来选择最佳参数。最后，我们使用最佳模型在测试集上进行预测。