我使用以下代码构建了我的SVM模型:
X1 = c(2, 2, -2, -2, 1, 1, -1, -1)
X2 = c(2, -2, -2, 2, 1, -1, -1, 1)
Y = c(1, 1, 1, 1, 2, 2, 2, 2)
alldata = data.frame(X1, X2, Y)
svm_model <- svm(alldata$Y ~ . , kernel = "radial", type = "C-classification", alldata)
现在,我想使用值(4,5)
对新实例进行分类。我尝试使用以下命令:
predict(svm_model, c(4,5))
但我得到以下错误:
Error in dimnames(x) <- dn :
length of 'dimnames' [2] not equal to array extent
我做的下一件事是创建一个小的数据框,如下所示,尝试分类并得到结果:
b1 = c(4)
b2 = c(5)
b = data.frame(b1,b2)
predict(svm_model, b)
1 <NA> <NA> <NA> <NA> <NA> <NA> <NA>
1 1 1 1 2 2 2 2
我在哪里犯了错?
发布于 2018-10-30 04:49:04
该错误消息指示c(4,5)
包含的信息与您用于培训的alldata
中的信息不同。更具体地说,colnames()
是不同的。
通过创建新的数据帧:
new_data <- data.frame(X1 = 4, X2 = 5)
您将能够获得预期的输出。
发布于 2018-10-30 06:20:09
你需要在你的'b‘数据框中有相同的变量X1和X2来预测。将代码中的b1和b2替换为X1和X2。
X1 = c(4)
X2 = c(5)
b = data.frame(X1,X2)
predict(svm_model, b)
https://stackoverflow.com/questions/53053387
复制相似问题