分析 svm 的 cost 和 gamma 之间的关系，（不允许使用 NA）错误消息答案

【问题标题】：Analyzing the relationship between cost and gamma for the svm, (NAs are not allowed) error message分析 svm 的 cost 和 gamma 之间的关系，（不允许使用 NA）错误消息
【发布时间】：2018-03-06 03:35:56
【问题描述】：

我一直在尝试使用 ksvm 包 (kernlab) 分析成本参数 c 和 gamma 参数之间的关系。我写的程序如下：

函数（数据） { 库（内核实验室）

p<-ncol(data)
y<-data[,p]
x<-data[,-p]

Rad.gamma<-matrix(seq(exp(-10),exp(1),length=20))
Con.c<-matrix(c(0.1,0.5,1.5),nrow=1)
mat<-expand.grid(Rad.gamma,Con.c)
Output<-data.frame(0,nrow=80,ncol=2)

for(i in 1:80)
{
    Gamma<-mat[i,1]
    CC<-mat[i,2]
    Svm<-ksvm(y~.,data=as.data.frame(x),
              kernel="rbfdot",kpar=list(sigma=Gamma),
              cross=5, C=CC, type='C-svc',prod.model=FALSE)

    Output[i,1]<-error(Svm)
    Output[i,2]<-cross(svm)
    Output[i,3]<-nSV(svm)/nrow(data)
}
Output<-data.frame(Output)

results<-cbind(mat,Output)
colnames(results)<-c("C","Train","Cross","SVs")

results

}

我得到的错误是：

votematrix[i, ret

我试图检查 stackoverflow 的解决方案，但我能找到的最佳答案是当缺少值时 data.frame 需要在 cbind 之前出现。我一直在用 iris 数据集测试这个函数，并且没有缺失值。我想绘制结果并分析输出矩阵内容的模式；那应该很简单。问题是让结果表用于绘图。

任何帮助将不胜感激。

【问题讨论】：

标签： r for-loop dataframe svm cbind

【解决方案1】：

expand grid 生成的mat 有 60 行，您正在尝试查找最多 80 行的索引。这应该可以：

data(iris)
library(kernlab)
p<-ncol(iris)
y<-iris[,p]
x<-iris[,-p]

Rad.gamma<-matrix(seq(exp(-10),exp(1),length=20))
Con.c<-matrix(c(0.1,0.5,1.5),nrow=1)
mat<-expand.grid(Rad.gamma,Con.c)
Output<-data.frame(0,nrow=60,ncol=2)

for(i in 1:60){
  Gamma<-mat[i,1]
  CC<-mat[i,2]
  Svm<-ksvm(y~.,data=as.data.frame(x),
            kernel="rbfdot",kpar=list(sigma=Gamma),
            cross=5, C=CC, type='C-svc',prod.model=FALSE)

  Output[i,1]<-error(Svm)
  Output[i,2]<-cross(Svm)
  Output[i,3]<-nSV(Svm)/nrow(iris)
}
Output<-data.frame(Output)

results<-cbind(mat,Output)
colnames(results)<-c("C","Train","Cross","SVs")

results

另外，结果有 5 列，也许

colnames(results)<-c("gamma", "C","Train", "Cross","SVs")

我可以建议使用apply 而不是for 循环。在这种情况下，无需担心将结果存储在哪里：

out = apply(mat, 1, function(p){
  Gamma<-p[1]
  CC<-p[2]
  Svm<-ksvm(y~.,data=as.data.frame(x),
            kernel="rbfdot",kpar=list(sigma=Gamma),
            cross=5, C=CC, type='C-svc',prod.model=FALSE)

  out = data.frame(error(Svm), cross(Svm), nSV(Svm)/nrow(iris))
  colnames(out) = c("train", "Cross","SVs")
  return(out)
})

out = do.call(rbind, out)
out = data.frame(mat, out)

【讨论】：