R中的支持向量机特征选择示例答案

【问题标题】：Example for svm feature selection in RR中的支持向量机特征选择示例
【发布时间】：2013-07-05 22:57:27
【问题描述】：

我正在尝试使用 R 包在 SVM 中应用特征选择（例如递归特征选择）。我已经安装了支持 LibSVM 中的特征选择的 Weka，但我还没有找到任何关于 SVM 或类似语法的示例。一个简短的例子会很有帮助。

【问题讨论】：

标签： r machine-learning weka svm feature-selection

【解决方案1】：

caret 包中的函数rfe 为各种算法执行递归特征选择。这是来自caretdocumentation 的示例：

library(caret)
data(BloodBrain, package="caret")
x <- scale(bbbDescr[,-nearZeroVar(bbbDescr)])
x <- x[, -findCorrelation(cor(x), .8)]
x <- as.data.frame(x)
svmProfile <- rfe(x, logBBB,
                  sizes = c(2, 5, 10, 20),
                  rfeControl = rfeControl(functions = caretFuncs,
                                          number = 200),
                  ## pass options to train()
                  method = "svmRadial")

# Here's what your results look like (this can take some time)
> svmProfile

Recursive feature selection

Outer resampling method: Bootstrap (200 reps) 

Resampling performance over subset size:

  Variables   RMSE Rsquared  RMSESD RsquaredSD Selected
2 0.6106   0.4013 0.05581    0.08162         
5 0.5689   0.4777 0.05305    0.07665         
10 0.5510   0.5086 0.05253    0.07222         
20 0.5203   0.5628 0.04892    0.06721         
71 0.5202   0.5630 0.04911    0.06703        *

  The top 5 variables (out of 71):
  fpsa3, tcsa, prx, tcpa, most_positive_charge

【讨论】：

这里的sizes = c(2, 5, 10, 20) 是什么？这是否意味着特征 2、10 和 20？
@Mahsolid 不，这是将使用的功能数量。 rfe 将尝试找到该向量中给定的每个大小的最佳模型。查看 rfe 文档了解更多详情。
@DavidMarx 感谢您的解释。 rfe()函数调用中的number = 200是什么意思？