Tracer les données d'un svm fit - hyperplan

Vous avez écrit:

J'ai utilisé svm pour trouver un hyperplane meilleur ajustement de la régression

Mais selon:

Call:
svm(formula = q ~ ., data = data, kernel = "linear")

Parameters:
SVM-Type:  C-classification

vous faites classification.

Alors, tout d'abord décider ce dont vous avez besoin: à classer ou à droite de régression, de ?svmnous voyons:

type: ‘svm’ can be used as a classification machine, as a
      regression machine, or for novelty detection.  Depending of
      whether ‘y’ is a factor or not, the default setting for
      ‘type’ is ‘C-classification’ or ‘eps-regression’,
      respectively, but may be overwritten by setting an explicit
      value.

Comme je crois que vous n'avez pas modifié le paramètre type de sa valeur par défaut, vous êtes probablement à la résolution de classificationdonc, je vais vous montrer comment visualiser ce pour la classification.

Supposons qu'il y a 2 classes, de produire des données:

> require(e1071) # for svm()                                                                                                                                                          
> require(rgl) # for 3d graphics.                                                                                                                                                                                    
> set.seed(12345)                                                                                                                                                                     
> seed <- .Random.seed                                                                                                                                                                
> t <- data.frame(x=runif(100), y=runif(100), z=runif(100), cl=NA)
> t$cl <- 2 * t$x + 3 * t$y - 5 * t$z                                                                                                                                                 
> t$cl <- as.factor(ifelse(t$cl>0,1,-1))
> t[1:4,]
           x         y         z cl
 1 0.7209039 0.2944654 0.5885923 -1
 2 0.8757732 0.6172537 0.8925918 -1
 3 0.7609823 0.9742741 0.1237949  1
 4 0.8861246 0.6182120 0.5133090  1

Puisque vous voulez kernel='linear' la limite doit être w1*x + w2*y + w3*z - w0 - hyperplane.
Notre tâche divise pour 2 sous-tâches: 1) évaluer l'équation de cette limite avion 2) dessiner ce plan.

1) l'Évaluation de l'équation de la frontière avion

D'abord, arrêtons-nous svm():

> svm_model <- svm(cl~x+y+z, t, type='C-classification', kernel='linear',scale=FALSE)

Je l'ai écrit ici explicitement type=C-classification juste pour l'accent que nous voulons faire classification.
scale=FALSE signifie que nous voulons svm() à fonctionner directement avec les données fournies sans mise à l'échelle des données (comme il le fait par défaut). Je l'ai fait pour de futures évaluations qui deviennent plus simples.

Malheureusement, svm_model ne stocke l'équation de la frontière de l'avion (ou juste, vecteur normal), donc nous devons l'évaluer. De svm-algorithme nous savons que nous pouvons évaluer de tels poids avec la formule suivante:

w <- t(svm_model$coefs) %*% svm_model$SV

Le négatif d'interception est stocké dans svm_modelet accessible via svm_model$rho.

2) du plan de Dessin.

Je ne trouve pas de fonction utile plane3ddonc, encore une fois, nous devrions faire un peu de bricolage. Nous venons de prendre de la grille de paires (x,y) et d'évaluer la valeur appropriée de z de la frontière de l'avion.

detalization <- 100                                                                                                                                                                 
grid <- expand.grid(seq(from=min(t$x),to=max(t$x),length.out=detalization),                                                                                                         
                    seq(from=min(t$y),to=max(t$y),length.out=detalization))                                                                                                         
z <- (svm_model$rho- w[1,1]*grid[,1] - w[1,2]*grid[,2]) / w[1,3]

plot3d(grid[,1],grid[,2],z)  # this will draw plane.
# adding of points to the graphics.
points3d(t$x[which(t$cl==-1)], t$y[which(t$cl==-1)], t$z[which(t$cl==-1)], col='red')
points3d(t$x[which(t$cl==1)], t$y[which(t$cl==1)], t$z[which(t$cl==1)], col='blue')

Nous l'avons fait avec rgl paquet, vous pouvez faire tourner cette image et d'en profiter 🙂