如何选择特征并使用支持向量机算法进行训练？

如何解决如何选择特征并使用支持向量机算法进行训练？

我有心脏数据集，其中包括年龄、性别、cp、trestbps、chol、fbs、restecg、thalach、exang、oldpeak、slope、ca、thal、Target Variable 等特征。每个数据都有数值。

我想用支持向量机算法训练数据。

#read data
setwd("C:/Users/sevvalayse.yurtekin/Desktop/SevvalAyse_Yurtekin")
data_heart = read.csv("heart_disease_dataset.csv",header = T,sep = ",")
data_heart

#split randomly test and train data. 75% train,25% test.
ind<- sample(2,nrow(data_heart),replace = T,prob = c(0.75,0.25))
train<-data_heart[ind==1,]
test<-data_heart[ind==2,]

classifier = svm(formula = age ~.,data = train,type = 'C-classification',kernel = 'linear')
classifier

这是我的代码。我拆分数据。但是我怎么训练呢？我如何确定功能？或者我可以使用并使用所有功能吗？你能帮我吗？

解决方法

在您提供的代码中，您使用所有其他变量来预测年龄，这就是 formula = age ~. 的意思。

有两种方法可以指定特征和目标变量，或者使用公式参数，例如：

classifier <- svm(formula = target ~ age + sex + cp + trestbps + chol + fbs,data = train,type = 'C-classification',kernel = 'linear')

或者您单独提供特征和目标作为 x 的 y 和 svm 参数（分别）（参见 documentation），例如：

classifier <- svm(x = train[,c('age','sex','cp','trestbps','chol','fbs')],y = train[,'target'],kernel = 'linear')

如果您想使用所有功能，您可以像以前一样使用快捷方式 target ~ .，但在您的版本中，目标变量是 age。

模型在调用 svm 函数时进行训练。之后，您可能想要预测测试集上的目标变量：

predicted <- predict(classifier,test)

请注意，这里我提供了完整的数据框 test，因为它更方便，但当然不需要 target 列。