- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有纬度和经度,所以我需要将RBF内核重新定义为exp(-1/2||sophere distrance||^2),这意味着我需要自己重写一个核函数。
我写我的内核如下:
round.kernel <- function(x,y){
sigma <- 1
#R <- 6371
R <- 1
a <- (sin( (x[1]-y[1])/2 ))^2+cos(x[1])*cos(y[1])*(sin((x[2]-y[2])/2))^2
c <- 2*atan2(sqrt(a),sqrt(1-a))
d <- R*c
res <- exp(-d^2/(2*sigma))
return (res)
}
class(round.kernel) <- "kernel"
fit <- ksvm(y=train[,2],x=train[,3:4],kernel=round.kernel,type='eps-svr')
Error in .local(x, ...) :
List interface supports only the stringdot kernel.
k <- function(x,y) {(sum(x*y) +1)*exp(-0.001*sum((x-y)^2))}
class(k) <- "kernel"
最佳答案
我的问题解决如下:
内核代码是正确的,我应该直接定义一个函数(x,y),并将其类声明为“内核”。问题是即使在文档中,ksvm 确实支持 x,y 样式,但它们实际上不起作用。将其更改为公式数据样式最终可以使事情运行:
fit <- ksvm(Freq~lat+lon,data=train[,2:4],kernel=roundrbf,type='eps-svr')
function(params){
val <- function(x,y){
# True kernel defined here
}
return (new ("kernel_name",.Data=val,kpar=list(params)))
}
k <- function(x,y){
#calculate the result
}
class(k) <- "kernel"
关于r - 如何在 kernlab 包的 ksvm 中自定义内核函数?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17056080/
对于kernlab::ksvm中的分类任务,使用的默认SVM是C-svm(LIBSVM,Chang & Lin),它计算二元分类任务。通过计算多个一对多二元分类器并聚合结果,可以将其扩展到多类问题。通
我想使用 R 中的 SVM 实现来进行一些回归。我已经尝试使用 e1071 中的 svm 但我受到那里的内核功能的限制。因此,我从 kernlab 转向 ksvm。但我有一个主要缺点,就是 kernl
我一直在尝试构建 SVM 分类器,但在 predict 方面遇到了问题。 > modelrbf predict(modelrbf,set[24,]) Error in .local(object,
我观察到 kernlab 使用 rbfkernel 作为, rbf(x,y) = exp(-sigma * euclideanNorm(x-y)^2) 但根据这个wiki link , rbf 内核应
我是否遗漏了一些明显的东西?这工作正常: library(kernlab) kernelMatrix(rbfdot(1), c(1,2,3)) 返回: An object of class "kern
我需要在 colon-‐cancer 上执行内核 PCA数据集: 然后 我需要绘制主成分数量与 PCA 数据分类精度的关系图。 对于第一部分,我使用 kernlab在 R 中如下(让特征数为 2,然
我有纬度和经度,所以我需要将RBF内核重新定义为exp(-1/2||sophere distrance||^2),这意味着我需要自己重写一个核函数。 我写我的内核如下: round.kernel <-
我正在尝试在 SLES 11 SP1 上安装 kernlab 软件包。我安装了所有必备软件包,例如。 gcc-fortran... 使用 install.packages("kernlab") 开始安
我的缓慢工作代码的简化示例(函数 rbf 来自 kernlab 包)需要加速: install.packages('kernlab') library('kernlab') rbf <-
我有一些数据,Y 变量是一个因素 - 好或坏。我正在使用 'caret' 包中的 'train' 方法构建支持向量机。使用“训练”功能,我能够最终确定各种调整参数的值并获得最终的支持向量机。对于测试数
我正在尝试在 R 上安装 kernlab 包,但我收到了一大堆错误消息,接近尾声时它说: g++ -shared -L/usr/local/lib64 -o kernlab.so brweight.o
我正在查看用于高斯过程回归的 kernlab 包中的 R 函数 gausspr。该过程由核函数的超参数和数据中的噪声定义。我在文档中看到我可以指定 var: the initial noise var
我在 kernlab 包中发现了一些令人费解的行为:估计数学上相同的 SVM 在软件中会产生不同的结果。 为了简单起见,此代码片段仅获取虹膜数据并将其设为二元分类问题。正如您所看到的,我在两个 SVM
我正在尝试使用用户定义的内核。我知道 kernlab 在 R 中提供用户定义的内核(自定义内核函数)。我使用了包括 kernlab 包在内的垃圾数据。(变量数量=57 示例数量=4061) 我定义了内
我使用以下语法调用 R 中 kernlab 包的 ksvm 方法 svmFit = ksvm(x=solTrainXtrans, y=solTrainYSVM, kernel="stringdot",
我正在尝试使用库(kernlab)中的 SVM 创建一个 2D 图,但它出现了 plot 函数 只适用于二元分类。我希望能够绘制 3 个(或更多)组,如下例所示。 我的数据结构就像虹膜数据一样,所以我
我对 R 的 kernlab 包中的 kkmeans 函数有疑问。我是这个包的新手,如果我在这里遗漏了一些明显的东西,请原谅我. 我想将一个新数据点分配给一组集群中的一个集群,这些集群是使用内核 k-
试图更好地了解如何train(tuneLength = )工作于 {caret} .当我试图理解来自 {kernlab} 的 SVM 方法之间的一些差异时,我感到困惑。我已经查看了文档 ( here
我正在尝试使用 R 中 kernlab 包的 ksvm 函数进行 epsilon-SVM 回归。我想将参数 C(正则化常数)和 epsilon(不敏感)作为向量(向量长度 = 训练数据长度)。但我不知
我正在测试kernlab封装在回归问题中。看来这是一个常见的问题,获取 'Error in .local(object, ...) : test vector does not match model
我是一名优秀的程序员,十分优秀!