5

3D データセット (x、y、z 座標) の SVM をプロットするにはどうすればよいですか?

を使用して 3D データをプロットできますがscatterplot3d(data)、svm 結果を使用するとどのように機能しますか?

編集：コメントから回答へのコピー。これはOPによる編集である必要があります：

3セットのデータ

data[1:10,1], data[1:10,2] and data[1:10,3] represent genuine data.
data[11:15,1], data[11:15,2] and data[11:15,3] represent userA data.
data[16:20,1], data[16:20,2] and data[16:20,3] represent userB data.

次に、次のように SVM を実行します。

 labels <- matrix( c(rep(1,10), rep(-1, 10)) )
 svp <- ksvm(data,labels, type="C-svc" , kernel='rbfdot', C=0.4, 
               kpar=list(sigma=0.2))

次に、次のデータテストを行います。

 dataTest[1,1], dataTest[1,2], dataTest[1,3] 
 predLabels = predict(svp,dataTest)

編集者注: 最後の部分は、データ ポイントが 3 つしかないため少し奇妙に見えます。

4

1 に答える 1

13

カーネル変換された SVM の決定境界を取得するには、通常、新しいデータのグリッドを予測し、等高線 (または 3D の等値面) をdecision value = 0レベルに合わせます。3Drglでは、ベンが提案したように、優れたプロット用パッケージとパッケージのcontour3d()機能を使用できmisc3dます。次に例を示します。

library(e1071)
library(rgl)
library(misc3d)

n    = 100
nnew = 50

# Simulate some data
set.seed(12345)
group = sample(2, n, replace=T)
dat   = data.frame(group=factor(group), matrix(rnorm(n*3, rep(group, each=3)), ncol=3, byrow=T))

# Fit SVM
fit = svm(group ~ ., data=dat)

# Plot original data
plot3d(dat[,-1], col=dat$group)

# Get decision values for a new data grid
newdat.list = lapply(dat[,-1], function(x) seq(min(x), max(x), len=nnew))
newdat      = expand.grid(newdat.list)
newdat.pred = predict(fit, newdata=newdat, decision.values=T)
newdat.dv   = attr(newdat.pred, 'decision.values')
newdat.dv   = array(newdat.dv, dim=rep(nnew, 3))

# Fit/plot an isosurface to the decision boundary
contour3d(newdat.dv, level=0, x=newdat.list$X1, y=newdat.list$X2, z=newdat.list$X3, add=T)

ここに画像の説明を入力 ここに画像の説明を入力

于 2012-04-22T18:17:27.073 に答える