Comment effectuer une classification multi-classes en utilisant 'svm' du paquet e1071 dans R

Je veux faire des multi-classe de la classification à l'aide de la svm fonction de e1071 paquet. Mais de ce que j'ai appris à connaître à partir de la documentation de svmil ne peut effectuer une classification binaire. Les vignettes document indique ce de multi-classe de la classification: "pour permettre le multi-classe subs tance, libsvm utilise le un-contre-un technique en équipant tous les binaires subclassi fiers et trouver la bonne classe par un mécanisme de vote".
Ce que je ne comprends toujours pas, c'est si nous pouvons effectuer le multi-classe de la classification avec svm de e1071 dans R? Si oui, veuillez expliquer comment nous pouvons le faire sur iris dataset.

source d'informationauteur StrikeR

  1. 19

    L'iris dataset contient trois étiquettes de classe: "Iris setosa", "Iris virginica" et "Iris versicolor". Pour employer un équilibre un-contre-une stratégie de classification avec svm, vous pourriez former trois classificateurs binaires:

    Le premier classifieur de formation de l'ensemble ne contient que la "Iris setosa" et "Iris virginica" instances. La deuxième classifieur de formation de l'ensemble ne contient que la "Iris setosa" et la "Iris versicolor" instances. Le troisième classificateur de formation de l'ensemble--je suppose que maintenant vous le savez déjà--contient uniquement les "Iris virginica" et la "Iris versicolor" instances.

    De classer un inconnu exemple, vous appliquez toutes les trois classificateurs. Un simple vote de la stratégie pourrait alors sélectionner le plus souvent affecté de classe de l'étiquette, en plus sophistiqué peut également envisager la svm scores de confiance pour chaque classe de l'étiquette.

    Modifier (Ce principe fonctionne hors de la boîte avec svm):

    # install.packages( 'e1071' )
library( 'e1071' )
data( iris )
model <- svm( iris$Species~., iris )
res <- predict( model, newdata=iris )
  2. 1

    R document affirme que "Pour la multiclasse classement avec k niveaux, k>2, libsvm utilise le" un-contre-un " -approche, dans laquelle k(k-1)/2 classificateurs binaires sont formés; la classe est jugée par un mécanisme de vote."