r - 如何绘制 SVM 分类超平面

Question

这是我的 SVM 分类示例代码。

    train <- read.csv("traindata.csv")
    test <- read.csv("testdata.csv")

    svm.fit=svm(as.factor(value)~ ., data=train, kernel="linear", method="class")

    svm.pred = predict(svm.fit,test,type="class")

我的示例中的特征值是一个给出两个级别(真或假)的因素。我想要 绘制我的 svm 分类器的图表，并将它们分为两组。一组 一组为“真”，另一组为假。我们如何生成 3D 或 2D SVM 图？我尝试使用 plot(svm.fit, train) 但它似乎不适合我。 我在 SO 上找到了这个答案，但我不清楚 t、x、y、z、w 和 是什么cl 在答案中。

Plotting data from an svm fit - hyperplane

我的数据集中有大约 50 个特征，其中最后一列是一个因素。任何简单的方法，或者是否有人可以帮助我解释他的答案。

Answer 1

简短的回答是:你不能。您的数据是 50 维的。您无法绘制 50 个维度。你唯一能做的就是一些粗略的近似、还原和预测，但这些都不能真正代表内部发生的事情。为了绘制 2D/3D 决策边界，您的数据必须是 2D/3D(2 或 3 个特征，这正是所提供的链接中发生的情况 - 它们只有 3 个特征，因此可以绘制所有特征)。对于 50 个功能，您只能进行统计分析，无需实际的目视检查。

您显然可以查看一些切片(选择 3 个特征，或 PCA 投影的主要组成部分)。如果您不熟悉底层线性代数，您可以简单地使用 gmum.r package它会为你做这件事。只需训练 svm 并绘制它即可强制“pca”可视化，如下所示:http://r.gmum.net/samples/svm.basic.html 。

library(gmum.r)

# We will perform basic classification on breast cancer dataset 
# using LIBSVM with linear kernel
data(svm_breast_cancer_dataset)

# We can pass either formula or explicitly X and Y
svm <- SVM(X1 ~ ., svm.breastcancer.dataset, core="libsvm", kernel="linear", C=10)
## optimization finished, #iter = 8980
pred <- predict(svm, svm.breastcancer.dataset[,-1])

plot(svm, mode="pca")

这给出了

更多示例可以引用项目网站http://r.gmum.net/

但是，这仅显示点投影及其分类 - 您无法看到超平面，因为它是高维对象(在您的情况下为 49 维)，并且在这种投影中，该超平面将是...整个屏幕。完全没有像素会被留在“外部”(从这个角度考虑 - 如果你有 3D 空间和超平面在里面，这将是 2D 平面..现在如果你尝试以 1D 绘制它，你最终会得到整条线用你的超平面“填充”，因为无论你在 3D 中的什么位置放置一条线，2D 平面在这条线上的投影都会将其填满!唯一的其他可能性是该线是垂直的，然后投影是一个点；这同样适用于这里 - 如果您尝试将 49 维超平面投影到 3D 上，您最终会得到整个屏幕“黑色”)。