获取线性SVM回归线的方程

Question

获取线性SVM回归线的方程

3

我正在努力寻找一种方法来获取线性SVM模型在回归情况下的方程，因为大多数问题都涉及分类...我已经使用caret包进行了拟合。

1- 单变量情况

set.seed(1)
fit=train(mpg~hp, data=mtcars, method="svmLinear")
plot(x=mtcars$hp, y=predict(fit, mtcars), pch=15)
points(x=mtcars$hp, y=mtcars$mpg, col="red")
abline(lm(mpg~hp, mtcars), col="blue")

这将给出红色=实际值，黑色=拟合值的情节，而蓝线是经典回归。在这种情况下，我知道我可以手动计算SVM预测线从2个点，但是否有一种方法直接从模型结构获取方程？实际上，我需要像这样的方程 y=a+bx（这里mpg=?+?*hp）以原始比例中的值。

2-多元

同样的问题，但有两个因变量（mpg~hp+wt）谢谢，

- agenis

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- danielson · Accepted Answer

是的，我相信有。看一下this answer，它类似，但不使用caret库。如果您将svp = fit$finalModel添加到示例中，您应该几乎可以完全按照它来操作。我在下面的数据中应用了类似的技术。我对数据进行了缩放，以便在向量图上很好地适合，因为库在运行时缩放数据。

require(caret)

set.seed(1)
x = model.matrix(data=mtcars, mpg ~ scale(hp)) #set up data
y = mtcars$mpg

fit=train(x, y, method="svmLinear") #train

svp = fit$finalModel #extract s4 model object

plot(x, xlab="", ylab="")
w <- colSums(coef(svp)[[1]] * x[unlist(alphaindex(svp)),])
b <- b(svp)
abline(b/w[1],-w[2]/w[1], col='red')
abline((b+1)/w[1],-w[2]/w[1],lty=2, col='red')
abline((b-1)/w[1],-w[2]/w[1],lty=2, col='red')

而你的第二个问题：

x = model.matrix(data=mtcars, mpg ~ scale(hp) + scale(wt) - 1) #set up data
fit=train(x, y, method="svmLinear") #train

svp = fit$finalModel #extract s4 model object

plot(x, xlab="", ylab="")
w <- colSums(coef(svp)[[1]] * x[unlist(alphaindex(svp)),])
b <- b(svp)
abline(b/w[1],-w[2]/w[1], col='red')
abline((b+1)/w[1],-w[2]/w[1],lty=2, col='red')
abline((b-1)/w[1],-w[2]/w[1],lty=2, col='red')

编辑

上面的答案涉及绘制边界，而不是线性SVM回归线。要回答这个问题，一个简单的方法是提取预测值并绘制回归线。实际上，你只需要几个点就可以得到这条线，但为了简单起见，我使用了以下代码。

abline(lm(predict(fit, newdata=mtcars) ~ mtcars$hp), col='green')

或者

abline(lm(predict(fit) ~ mtcars$hp), col='green')