如何在R中使用e1071包的'svm'进行多类分类。

Question

我想使用e1071包的svm函数进行多类分类。但从svm文档中了解到，它只能执行二元分类。《vignettes》文档对于多类分类是这样描述的:“为了允许多类分类，libsvm使用一对一技术，通过拟合所有二元子分类器并通过投票机制找到正确的类别。” 我仍然不明白在R中是否可以使用e1071的svm进行多类分类？ 如果可以，请说明如何在iris数据集上执行它。

- StrikeR

---

help("svm") 中的第一个示例恰好可以满足您的需求。 - fabians

@fabians 是的，你对这个例子的理解是正确的，我之前也看过。那么，这是否意味着 e1071 的 svm 可以执行多类分类而不仅限于二元分类？这个函数在具有 10 个输出类的数据集上是否与 iris 具有 3 个输出类的数据集相同？ - StrikeR

在另一个线程中回答了类似的问题。以下是链接： https://dev59.com/nZLea4cB1Zd3GeqPyid9#37697836 - S Pavan Kumar

Answer 1

鸢尾花数据集包含三个类别标签："Iris setosa"、"Iris virginica"和"Iris versicolor"。为了使用平衡的one-against-one分类策略进行svm分类，您可以训练三个二元分类器：

第一个分类器的训练集仅包含"Iris setosa"和"Iris virginica"实例。第二个分类器的训练集仅包含"Iris setosa"和"Iris versicolor"实例。第三个分类器的训练集--我猜到现在你已经知道了--仅包含"Iris virginica"和"Iris versicolor"实例。

要对未知实例进行分类，应用这三个分类器。然后，一个简单的投票策略就可以选择最常见的类别标签，更复杂的方法也可以考虑每个指定类别标签的svm置信度分数。

编辑（这个原则与svm可以直接使用）：

# install.packages( 'e1071' )
library( 'e1071' )
data( iris )
model <- svm( iris$Species~., iris )
res <- predict( model, newdata=iris )

- idleherb

---

这是一种非常不错的解决问题方式。但在深入探讨之前，我想知道 e1071 库中的 svm 是否可以直接执行此多类分类。 - StrikeR

我问的原因是，如果我的数据有10个输出类别，我需要建模10C2（10个中选择2个）= 45个分类器，这是一个巨大的任务。 - StrikeR

好的：答案简短明了，是的，“svm”也可以进行多类分类，其工作方式与二元分类相同（请参阅我回答中的编辑）。 - idleherb

Answer 2

R文档中提到：“对于有k个等级（k>2）的多类分类问题，libsvm采用‘one-against-one’方法进行处理，即训练k(k-1)/2个二元分类器；通过投票方案来确定正确的类别。”

- Hima Bindu

---

引用文档并不能真正回答问题。 - Eric Hauenstein