Excel数据分析案例：用Excel训练支持向量机（SVM）

这里使用的数据集Kaggle上名为“ Titanic：来自灾难的机器学习”的机器学习竞赛。它指的是1912年泰坦尼克号号沉没。在这场悲剧中，2,224名乘客中有1,500多人因救生艇数量不足而丧生。数据集由1309名乘客的列表以及一些信息组成：

幸存：生存（0 =否； 1 =是）

pclass：乘客舱（1 = 1st; 2 = 2nd; 3= 3rd）

名称：名称

性别：性别（男；女）

年龄：年龄

sibsp：兄弟姐妹/配偶人数

缺席：父母/子女人数

票价：客运票价

客舱：客舱

登船：登船港（C =瑟堡； Q =皇后镇； S =南安普敦）

本文的目的是学习如何用excel在数据集上设置和训练SVM分类器，并了解分类器在验证集上的表现如何。

1、设置SVM分类器

要设置SVM分类器，单击机器学习/机器支持向量，如下所示：

单击按钮后，将显示SVM对话框。在Excel工作表上选择数据。

在[ 回应变数]栏位中，选取要在分类资料时要预测的二元变数。在我们的案例中，这是提供生存信息的列。

我们还通过选中两个复选框来选择定量和定性的解释变量，如下所示。

在定量字段中，我们选择与以下字段对应的列：Age、sibsp、parch、fare

在定性字段中，我们选择包含定性信息的列：Pclass、sex、embarked

由于每个变量的名称都位于表的顶部，因此我们必须选中“变量标签”复选框。

在“ 选项”选项卡中，必须设置分类器参数。

对于SMO参数，我们将使用默认选项。所述Ç字段对应于正则化参数。它表示您希望在优化过程中允许多少错误分类。C的值越大，表示对每个未分类的观察结果的惩罚都越大。在我们的例子中，我们设置C的值在1 小量字段是数字精度参数。它取决于计算机，可以留在1e-12。容差参数表明比较支持向量时优化算法的准确性。如果要加快计算速度，可以增加公差参数。我们将容差保留为其默认值。

我们在预处理字段中选择“ 重新缩放”，并使用线性核，如下所示。当我们想了解分类器的性能如何时，我们将从训练样本中得出一个验证样本。为此，在“ 验证”选项卡中，我们选中“ 验证”复选框并随机选择100个观测值:

从训练样本中抽取，如下所示：

最后，在Outputs选项卡中，我们选择要获取的输出，如下所示：

单击OK即可开始计算。然后将显示结果。

2、解释SVM分类器的结果

第一个表显示了优化的SVM分类器的摘要。您可以在下图上看到分类器必须在0类和1类之间进行分类，并且0类已被标记为正类。有943个观测值用于训练分类器，其中已识别出766个支持向量。

下方显示的第二张表给出了766个支持向量的完整列表，以及相关的alpha系数值以及输出类别的正值或负值。连同前一个表的偏差值，此信息足以充分描述优化的分类器。

接下来的两个表显示结果来自训练样本和验证样本的混淆矩阵。这些矩阵为我们提供了分类器执行情况的指标。对于训练数据集，我们有66.49％的正确答案，对于验证集，这个数字上升到74％。