問題タブ [kernlab]

kernlabR パッケージを使用してサポート ベクター マシン (SVM) を実行しようとしています。私の非常に単純な例では、2 つのトレーニング データがあります。AとB。

(A と B はタイプmatrixです。グラフの隣接行列です。)

そこで、A+B を取ってカーネル行列を生成する関数を書きました。

ここで、kernlabのksvm関数を使用して予測モデルを生成します。今のところ、私はくそったれを機能させようとしているところです - トレーニング エラーなどについては心配していません。

では、質問 1 : モデルを正しく生成していますか? 合理的に？

ここまでは順調ですね。カスタム カーネル マトリックスを作成し、そのマトリックスを使用して ksvm モデルを作成しました。「1」と「-1」のラベルが付いたトレーニング データがあります。

次に予測します。

ええとああ。これは大丈夫です。期待通りですね、本当に。「予測」は、行列ではなく、ある種のベクトルを必要とします。

それでは、いくつか試してみましょう：

上記のテストのいくつかは無意味ですが、それが私の言いたいことです。私が何をしようとも、predict() を取得して自分のデータを見て予測を行うことはできません。スカラーは機能しません。ベクトルは機能しません。2x2 マトリックスも 3x3 マトリックスも機能しません。

ここで何が間違っていますか？

(ksvm が何を望んでいるのかを理解したら、テスト データがその形式に正気/合理的/数学的に適切な方法で準拠できることを確認できます。)

Hi I am trying out classification for imbalanced dataset in R using kernlab package, as the class distribution is not 1:1 I am using the option of class.weights in the ksvm() function call however I do not get any difference in the classification scenario when I add weights or remove weights? So the question is what is the correct syntax for declaring the class weights?

I am using the following function calls:

Can anyone please comment on this, am I following the right syntax of adding weights? Also I discovered that if we use the weights with prob.model=T the ksvm function returns a error!

RパッケージのKernlabをソースからインストールしようとしましたが、問題が発生しました。最初は、gfortranに関連するエラーが発生したため、GNUfortranコンパイラをhttp://r.research.att.com/tools/からダウンロードしました。

次に、次のコマンドを入力すると：R CMD INSTALL kernlab_0.9-12.tar.gz

次のエラーが発生します。

誰かがこのエラーを解決する方法を知っていますか？PS。私がダウンロードしたGNUFortranコンパイラーの場合、それは3.2.5までのXcodeバージョン用であると書かれています。Xcodeバージョン3.2.6を使用しています。これが私のエラーの原因ですか、それとも間違った方向を見ていますか？

kernlab回帰でこの問題に遭遇した人はいますか? スケーリング係数か何かが失われているように見えますが、おそらく私はそれを間違って呼んでいます。

このおもちゃの例では、明示的に を渡すと妥当な結果が得られますnewdata=dfが、実際のデータではそのような回避策は見つかりませんでした。洞察はありますか？

SVM 分類器を構築しようとしていますが、問題が発生していpredictます。

エラーの原因はわかりません:「テスト ベクトルがモデルと一致しません!」。

kkmeansRのパッケージの関数について質問がありkernlabます。私はこのパッケージを初めて使用します。明らかな何かが欠けている場合はご容赦ください。

関数 'kkmeans' でカーネル k-means を使用して作成された一連のクラスター内のクラスターに新しいデータ ポイントを割り当てたいと考えています。通常のクラスタリングでは、新しいデータ ポイントとクラスターの重心との間のユークリッド距離を計算することでこれを行い、最も近い重心を持つクラスターを選択します。カーネル k-means では、特徴空間でこれを行う必要があります。

kkmeans の説明で使用されている例を見てみましょう。

ここに新しいデータ ポイントがあるとします。これを で作成した最も近いクラスターに割り当てたいとしますsc。

これを行う方法に関するヒントはありますか？よろしくお願いいたします。

ユーザー定義のカーネルを使用しようとしています。kernlab が R でユーザー定義のカーネル (カスタム カーネル関数) を提供していることは知っています。パッケージ kernlab を含むデータ スパムを使用しました。(変数の数=57 例の数=4061)

私はカーネルのフォームを定義しています。

これは、ガウス カーネル用に変換されたカーネルです。ここで、vは各変数に関する標準偏差ベクトルの逆数である連続的に変化する値です。たとえば、次のようになります。

トレーニング セットは、スパム データの 60% を定義しました (異なるクラスの割合を維持します)。

データのタイプがスパムの場合、train svm のデータのタイプ = 1 より

しかし、このステップはうまくいきません。常に応答を待っています。

では、この問題についてお尋ねします。なぜですか？例の数が多すぎるからですか？ユーザー定義カーネル用に SVM をトレーニングできる他の R パッケージはありますか?

R で kernlab ライブラリ (ksvm 関数) を使用してノベルティ検出器を実装しようとしています。これは、私がやろうとしていることの簡単な例です。

上の図は私が得た結果です。青いトレースは予測であり、一貫して 0 である期間を明確に示しています。しかし、黒いトレースの外れ値と時間または幅が一致していません。振幅が大きい 100 個のポイント (黒い線) があり、青で得られる出力は黒い線と一致しません。

私は何を間違っていますか？

ガウス過程回帰gaussprのパッケージからR関数を見ています。kernlabこのプロセスは、カーネル関数のハイパーパラメータとデータのノイズによって定義されます。私が指定できるドキュメントを見る

var：初期ノイズ分散（回帰の場合のみ）（デフォルト：0.001）

しかし、回帰が実行された後、推定値にアクセスする方法がわかりません。たとえば、いくつかの観測点があり、次の式で与えられる位置でy値を予測したいとしますX。

私はそのようにそうすることができますkernlab::gausspr：

カーネルハイパーパラメータの推定値を取得できます。

しかし、ノイズパラメータの推定値を返す方法がわかりませんvar。