如何使用R中的插入符号绘制多标签SVM问题的决策边界

我使用R的插入符号包构建了一个SVM模型：

set.seed(1234567)


SVM_caret <- train(x = x_train, y = y_train$label, 
               method = "svmLinear", tuneGrid = expand.grid(
              C = c(0.001, 0.01, 0.1, 1)),
              metric = "ROC",
              trControl = trainControl(method = "cv", number = 3, classProbs = T),
              maxit = 100)

有4个类需要预测，我不知道是否真的有可能建立这个绘图，但我不知道如何完成它。是否有任何功能或方法可以可视化此决策边界

因为我不能在这里复制粘贴我的数据，我会在google drive上添加一个链接，这样你就可以下载并重现这个问题，不用担心大小，因为它确实很轻

以下是链接：

---

非常感谢您的帮助。

如评论中所述：

只有当有两个预测器时，才能在二维图中可视化决策边界。但是，您使用的是10个预测器，这意味着每个点都存在于10维空间中，无法按您想要的方式绘制

选择要绘制的预测因子子集将使您能够绘制决策边界，但它们不会以任何有意义的方式分割图中的数据

如果您确实想要可视化一组决策规则，您可以创建一个决策树

dtree <- train(x = svm_data[,-1], y = svm_labels$label, 
                   method = "rpart",
                   metric = "Accuracy",
                   trControl = trainControl(method = "cv", number = 3, classProbs = T),
                   cp = 0.005,
                   maxdepth = 3)



plot(dtree$finalModel, margin = 0.2)
text(dtree$finalModel)

dtree此函数仅允许两个预测值，这是标准绘图中可以表示的最大尺寸数。如果有更多的预测因子，则无法可视化决策边界。如果你想把它形象化，你可能必须使用决策树。@Humpelstielzchen，而不是你的答案。难道没有办法用不同的颜色或其他东西来表示类，而只是画出边界线吗？我认为这是行不通的。你的斧头是什么？数据集中的每个点都位于10维空间中。所以你必须显示10个决策边界，这在一个绘图中是不可能的。好吧@Humpelstielzchen，这听起来足够好的回答了。让我们花点时间看看是否有人想对这个问题做出贡献，如果什么都没发生，我很高兴你能发布你的答案，这样我就可以接受了。非常感谢您的帮助Hi Humpelstielzchen，非常感谢您的回答。我不知道我们可以通过这种方式使用决策树来表示某种决策规则。我来看看。再次非常感谢：）

dtree <- train(x = svm_data[,-1], y = svm_labels$label, 
                   method = "rpart",
                   metric = "Accuracy",
                   trControl = trainControl(method = "cv", number = 3, classProbs = T),
                   cp = 0.005,
                   maxdepth = 3)



plot(dtree$finalModel, margin = 0.2)
text(dtree$finalModel)