如何解决解释 R 中特征选择的 SVM 系数
我认为我对如何确定 SVM 中每个输入变量的相对贡献存在根本性的误解。
在查看其他一些问题的回答时,我认为系数应该表明每个变量在为 SVM 生成超平面时使用了“多少”。但是,我的结果支持向量(以及系数)比输入变量多,所以这似乎不对。
这就是我的意思。我的 SVM 与此非常相似:
require(e1071)
testsvmfit <- svm(Sepal.Length ~.,data = iris,kernel = "linear",probability = TRUE,cost =10)
当我得到这样的系数时:
print(testsvmfit)
testsvmfit$coefs
这里的两行代码都显示了 119 个支持向量和系数,尽管 iris 数据集除了 Sepal.Length 之外只有 4 个其他变量(即 Sepal.Width、Petal.Length、Petal.Width 和 Species = 4,即
我如何确定 4 个输入变量中的哪一个对我制作的 SVM 影响最大?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。