SVM e1071 项目简介

概述

本项目旨在演示如何使用 R 语言中的 e1071 包来构建支持向量机（Support Vector Machine, SVM）模型。SVM 是一种强大的监督学习算法，广泛应用于分类和回归分析中。

核心功能

• 数据加载：使用 R 内置的 iris 鸢尾花数据集。
• 数据清洗：筛选特定类别以构建二分类问题。
• 模型训练：利用 svm() 函数，采用径向基核函数（RBF Kernel）训练分类器。
• 参数调优：通过 tune.svm() 函数自动寻找最佳的 cost 和 gamma 参数组合。
• 预测应用：对新的未知数据进行类别预测。

依赖环境

• R Language (版本 >= 4.0)
• 包：e1071

使用方法

直接运行 main.R 脚本即可执行完整的训练、调优及预测流程。

结果展示

本部分描述运行 main.R 脚本后，控制台预期的文字输出内容。

1. 模型摘要输出

当代码执行到 print(summary(model)) 时，系统将输出模型的详细统计信息。

• 输入：无（自动执行）。
• 输出描述：
  • 显示调用公式（Call），例如 svm(formula = Species ~ ., data = iris_subset, ...)。
  • 显示参数设置：包括使用的核函数类型（radial）、cost 值、gamma 值。
  • 显示支持向量的数量：列出每个类别（setosa, versicolor）中成为支持向量的样本数。
  • 显示各类别的系数（Coefficients）。
  • 显示误差率或训练精度概况。

2. 单样本预测输出

当代码执行到预测部分时，针对预设的新数据点 (Sepal.Length=5.1, Sepal.Width=3.5)。

• 输入：硬编码在脚本中的数据框 new_data。
• 输出描述：
  • 第一行文字：输入数据: Sepal.Length=5.1, Sepal.Width=3.5
  • 第二行文字：预测类别: setosa (注：根据 SVM 对该区域的划分，通常会被预测为 setosa，具体取决于训练数据的分布)。

3. 参数调优结果输出

当代码执行到 print(tuned_model) 时。

• 输入：无（自动执行交叉验证）。
• 输出描述：
  • 显示参数搜索空间：列出尝试过的 cost 和 gamma 的组合。
  • 显示性能指标：通常是均方误差（MSE）或分类错误率。
  • 指出最佳参数组合：明确标示出哪一组 cost 和 gamma 产生了最低的误差率。
  • 示例文本片段：best parameters: cost gamma \n 1 0.5（表示 cost=1, gamma=0.5 时效果最好）。