R 核实验室回归

有人在

kernlab

回归中遇到过这种困难吗？看起来它失去了一些比例因子或其他东西，但也许我说它错了

library(kernlab)
df <- data.frame(x=seq(0,10,length.out=1000))
df$y <- 3*df$x + runif(1000) - 3
plot(df)
res <- ksvm(y ~ x, data=df, kernel='vanilladot')
lines(df$x, predict(res), col='blue', lwd=2)

库（kernlab）
df传递
newdata
参数是正确的方法（否则它将使用内部缩放的数据，如您所见）。典型的方式是：

newx = seq(min(df$x), max(df$x), len=100)
lines(newx, predict(res, newdata=data.frame(x=newx)), col='blue', lwd=2)

如果这对你的真实数据仍然不起作用，请详细说明

不管怎样，我通常更喜欢先手动缩放数据，然后设置
scaled=F
。这样你就不必担心这类事情会在不同的时间发生

编辑：我还应该补充一点，当您创建
新数据
数据框时，变量名称应该与您用来创建模型的名称相匹配，而不一定是“x”。
这看起来像是一个bug，对吗？缩放不应取决于
newdata
是隐式的还是显式的。在我的实际任务中，我正在进行交叉验证，因此我传递
newdata=
以获得
predict（）
结果。不确定。当然有可能，但我想也有人会为绘制默认模型中的实际内容提出很好的理由。刚刚在与Alexandros的私人电子邮件中确认这是一个bug，他们将在下一版本中修复。谢谢你的帮助。