SVM avec validation croisée en R à l'aide du caret
M'a dit d'utiliser le signe de package afin d'effectuer de la Machine à Vecteurs de Support avec une régression de 10 fold cross validation sur un ensemble de données que j'ai. Je suis traçage de ma variable de réponse contre 151 variables. Je n'ai suivantes:-
> ctrl <- trainControl(method = "repeatedcv", repeats = 10)
> set.seed(1500)
> mod <- train(RT..seconds.~., data=cadets, method = "svmLinear", trControl = ctrl)
dans lequel j'ai reçu
C RMSE Rsquared RMSE SD Rsquared SD
0.2 50 0.8 20 0.1
0.5 60 0.7 20 0.2
1 60 0.7 20 0.2
Mais je veux être en mesure d'avoir un coup d'oeil à mes plis, et pour chacun d'eux, comment fermer les valeurs prédites ont des valeurs réelles. Comment dois-je regarder?
Aussi, il est dit que:-
RMSE was used to select the optimal model using the smallest value.
The final value used for the model was C = 0.
Je me demandais juste ce que cela signifie et quelles sont les C représente dans le tableau ci-dessus?
RT (seconds) 76_TI2 114_DECC 120_Lop 212_PCD 236_X3Av
38 4.086 1.2 2.322 0 0.195
40 2.732 0.815 1.837 1.113 0.13
41 4.049 1.153 2.117 2.354 0.094
41 4.049 1.153 2.117 3.838 0.117
42 4.56 1.224 2.128 2.38 0.246
42 2.96 0.909 1.686 0.972 0.138
42 3.237 0.96 1.922 1.202 0.143
44 2.989 0.8 1.761 2.034 0.11
44 1.993 0.5 1.5 0 0.102
44 2.957 0.8 1.761 0.988 0.141
44 2.597 0.889 1.888 1.916 0.114
44 2.428 0.691 1.436 1.848 0.089
C'est un snipet de mon jeu de données. Je suis en train de pot RT secondes contre 151 variables.
Grâce
source d'informationauteur user2062207
Vous devez vous connecter pour publier un commentaire.
Vous devez enregistrer votre CV prévisions par le "savePred" option dans votre
trainControl
objet. Je ne suis pas sûr de ce package de votre "cadets" de données, mais ici est un exemple trivial à l'aide de l'iris:EDIT: Le "C" est l'un des paramètres de réglage pour votre SVM. Consultez l'aide pour le
ksvm
fonction dans le kernlab package pour plus de détails.EDIT2: Trivial de régression exemple