r - R中的SVM，成本值不影响测试错误率

Question

我目前正在 R (e1071) 中使用具有线性内核的 SVM 来尝试对高维数据集进行分类。它由大约 300 名患者组成，每个患者测量了大约 12000 个基因 active 水平。我的目标是根据这些基因事件预测患者对某种药物的 react (二元:治疗有效或无效)。

我想确定传递给tune.svm函数的成本值范围，这就是我遇到麻烦的地方。我的理解是，做到这一点的方法是逐渐尝试更小和更大的值，直到分别建立合理性能的下限和上限；然而，当我尝试这样做时，无论我的可能成本有多大或多小，我得到的测试错误率绝不会低于 50% 左右。我的实际数据集和这个玩具版本都发生了这种情况。如果这个子集太小，我可以提供其中更重要的部分。感谢您的任何建议。

我的代码:

dat.ex <- read.table("svm_ex.txt", header=T, row.names=1)
trainingSize <- 20
possibleCosts <- c(10^-50, 10^-25, 10^25, 10^50)
trainingDat <- sample(1:dim(dat.ex)[1], replace = FALSE, size = trainingSize)
ex.results <- vector()

for(i in 1:length(possibleCosts))
{
  svm.ex <- svm(dat.ex[trainingDat, -1], factor(dat.ex[trainingDat, 1]), kernel="linear", cost=possibleCosts[i], type="C-classification")
  test.ex <- predict(svm.ex, newdata=data.frame(x = dat.ex[-trainingDat,-1]))
  truth.ex <- table(pred = test.ex, truth = factor(dat.ex[-trainingDat,1]))
  exTestCorrectRate <- (truth.ex[1,1] + truth.ex[2,2])/(dim(dat.ex)[1] - trainingSize)
  ex.results[i] <- exTestCorrectRate  
}
print(ex.results)

Answer 1

首先，你尝试丑陋的奇怪的C值。您应该检查更小的值范围(例如 1e-15 和 1e10 之间)和更高的分辨率(例如 - 我建议的间隔有 25 个不同的值) .

其次，您的数据集非常小。 20 个 10 维训练向量可能很难建模