这似乎是一个非常基础的问题,但我似乎找不到答案。我对SVM和机器学习都很陌生,正试图做一些简单的练习,但结果似乎不匹配。我正在使用R中的e1071,并阅读James,Witten,Hastie和Tibshirani的《统计学习入门》。
我的问题是:为什么当我使用predict时,我似乎没有任何分类错误,但tune函数的结果表明有非零错误率? 我的代码(我正在查看三个类):
我的问题是:为什么当我使用predict时,我似乎没有任何分类错误,但tune函数的结果表明有非零错误率? 我的代码(我正在查看三个类):
set.seed(4)
dat <- data.frame(pop = rnorm(900, c(0,3,6), 1), strat = factor(rep(c(0,1,2), times=300)))
ind <- sample(1:900)
train <- dat[ind[1:600],]
test <- dat[ind[601:900],]
tune1 <- tune(svm, train.x=train[,1], train.y=train[,2], kernel="radial", ranges=list(cost=10^(-1:2), gamma=c(.5,1,2)))
svm.tuned <- svm(train[,2]~., data=train, kernel = "radial", cost=10, gamma=1) # I just entered the optimal cost and gamma values returned by tune
test.pred <- predict(svm.tuned, newdata=data.frame(pop=test[,1],strat=test[,2]))
当我查看test.pred时,我发现每个值都与真实类标签匹配。但是当我调整模型时,它给出了约0.06的错误率,而且无论如何,非可分数据的测试误差率为0似乎很荒谬(除非我对此不能被分离的观点是错误的?)。任何澄清都将非常有帮助。非常感谢。