當你處理二分類問題時，SVM 算法的表現非常優異。該方法通過尋找最佳分割線從而將數據分成兩個不同的數據集。SVM既可以處理線性分類問題，也可以處理非線性分類問題。其分類器被稱為超平面。

變量標準化

在你開始建模前，你需要做的第一件事是：標準化變量數據。SVM 利用這些變量構建分類器從而將數據進行分類，需要注意的是：這些變量越好地刻畫你的數據集，你所得到的分類結果將越精確。如果這些變量沒有預先被標準化處理，那么絕對值較大的變量將會具有更大的影響力，這意味著某些參數將起主導作用。如果這不是你想要的結果，那么請務必做好數據標準化處理。

參數調整

調整 SVM 算法中的參數也是非常重要的一個步驟，我們需要調整 SVM 算法的參數以獲得更優的擬合結果。我們必須明確一點：SVM 算法的表現取決于如何選擇最佳參數，即使相當接近的參數值也有可能產生差異巨大的分類結果。因此，為了更好地解決問題，我們需要檢驗不同參數值下模型的表現情況。R 中有一個非常好的工具—— tune.svm() 。該工具可以利用十折交叉驗證法計算不同參數值情況下的分類誤差，并返回具有最小分類誤差的參數值。

 # Example of tune.svm() output:
parameters = tune.svm(class~., data = train_set, gamma = 10^(-5:-1), cost = 10^(-3:1))
summary(parameters)
Parameter tuning of ‘svm’:


sampling method: 10-fold cross validation

best parameters:
gamma cost
 0.1    1

best performance: 0.1409453

Detailed performance results:
 gamma cost     error  dispersion
1  1e-05  0.1 0.2549098 0.010693238
2  1e-04  0.1 0.2548908 0.010689828
3  1e-03  0.1 0.2546062 0.010685683
4  1e-02  0.1 0.2397427 0.010388229
5  1e-01  0.1 0.1776163 0.014591070
6  1e-05  1.0 0.2549043 0.010691266
7 1e-03  1.0 0.2524830 0.010660262
8 1e-02  1.0 0.2262167 0.010391502
9 1e-01  1.0 0.1409453 0.009898745
10 1e-05 10.0 0.2548687 0.010690819
11 1e-04 10.0 0.2545997 0.010686525
12 1e-03 10.0 0.2403118 0.010394169
13 1e-02 10.0 0.1932509 0.009984875


14 1e-01 10.0 0.1529182 0.013780632</pre> 
參數 gamma 表示超平面的線性平滑度，因此當你使用線性核函數構建 SVM 時，模型中不存在 gamma 參數。我們知道：gamma 越小，超平面越接近于直線，但是如果 gamma 選取過大，超平面將會變得非常彎曲，這會導致過度擬合問題。

 

同時，我們還可以調整參數 C 來提高模型精度。參數 C 代表 SVM 模型 soft margin 的規模, soft margin 表示超平面周圍的灰色區域面積。這意味著位于 soft margin 區域中的點將沒有被分類。其中 C 越小，soft margin 的面積越大。

 

如何預處理數據

R語言中的 svm() 函數需要輸入一個矩陣或者數據框格式的數據，如下表所示：其中包含一個分類變量和其他解釋變量。

   class    f1    f2    f3
1     0 0.100 0.500 0.900
2     0 0.101 0.490 0.901
3     0 0.110 0.540 0.890
4     0 0.100 0.501 0.809
5     1 0.780 0.730 0.090
6     1 0.820 0.790 0.100
7     1 0.870 0.750 0.099
8     1 0.890 0.720 0.089

svm()的輸入格式如下所示：
svm(class~., data = my_data, kernel = "radial", gamma = 0.1, cost = 1)
其中class表示分類變量，my_data表示數據集。后續的參數值采用上述方法選擇最優值。
<img class="cke_anchor" data-cke-realelement="%3Ca%20data-cke-saved-name%3D%22%E6%A3%80%E9%AA%8C%E7%BB%93%E6%9E%9C%22%20name%3D%22%E6%A3%80%E9%AA%8C%E7%BB%93%E6%9E%9C%22%3E%3C%2Fa%3E" data-cke-real-node-type="1" alt="錨點" title="錨點" align="" src="
常見做法是將數據集分成訓練集和測試集，其比例為2:1。利用測試集來計算擬合誤差。

切分數據
data_index = 1:nrow(my_data)
testindex = sample(data_index, trunc(length(data_index)*30/100))
test_set = my_data[testindex,]
train_set = my_data[-testindex,]
擬合模型
my_model = svm(class~., data = train_set, kernel = "radial", gamma = 0.1, cost = 1)
預測結果
test[,-1] 表示剔除class變量
my_prediction = predict(my_model, test_set[,-1])</pre> 
注意事項



tune.svm() 需要運行一定的時間，具體取決于數據集的大小。但是不管怎么說，這個過程是非常有意義的。
</li>


SVM 模型的參數優化過程中，我們通常取對數間隔值，從10^-6到10^6。 注釋 
</li>
</ol>

3.如果你的標識變量是數值型變量(如本文中的 0-1 變量)，那么你的預測結果將會是一個數值，該數值反映了測試集輸出結果和某個類別之間相近程度。如果你想要得到原始的分類結果，你需要在 svm() 中設置 type = C-classification。

4.如果你的數據集的樣本個數小于 10，此時你運行 tune.svm() 會出錯：

  Error in tune("svm", train.x = x, data = data, ranges = ranges, ...) :
     ‘cross’ must not exceed sampling size!
 
因此，利用 SVM 建模分析時要確保你的數據集足夠大。

原文作者：Renata Ghisloti Duarte de Souza

原文鏈接： http://girlincomputerscience.blogspot.com/2015/02/svm-in-practice.html 

譯者：Fibears
</div>

來自： http://datartisan.com/article/detail/75.html
</code></code></code></code>