r中的一对一方法多类

假设我的数据集是具有3个类的iris，我想实现一对一SVM方法，但当我通过

类I

和

类j

对每个分类器的训练集进行子集划分时，我得到一个空子集（按照这行

#选择训练集的子集，其中物种等于类I和类j

）

---

物种这应该是有效的：

library(dplyr)
set.seed(123)
s<- sample (150,100)
data_train<- iris[s,]
data_test<- iris[-s,]
train <-data_train
test <-data_test
#train$Species <- as.factor(as.character(train$Species))
class <- unique(iris$Species)


for(i in 2:length(unique(iris$Species))-1){

  for(j in (i+1):length(unique(iris$Species))){
    print(paste(class[i],class[j],sep=","))

    class_i <- factor(as.factor(class[i]))
    class_j <- factor(as.factor(class[j]))


    train2 <- rbind(train[match(as.character(train$Species), class_i, nomatch = FALSE), ], 
                    train[match(as.character(train$Species), class_j, nomatch = FALSE), ])

    train2
    str(train2)


  }}

库（dplyr）
种子集（123）
扫描您是否与
dput（）
共享您的数据帧？共享太长，我不允许在此共享长代码。然后您可以共享一个假数据集吗？没有它，就很难重现您的问题。'data.frame'：213 obs。72个变量中：$Diagnosis:int 2 3 3 2 3 1…$提示：int 2 2 2 2 2 2 2 2 2 2 2…$冠状动脉事件：因子w/6水平“CABG”，“死亡”，“死亡”…：3 3 3 3 3 3 3 3…很明显是这样吗？不幸的是，我得到了不正确的结果，因为>表（数据训练$物种）弗吉尼亚州花斑羚36 31 33结果[1]“setosa，versicolor”'data.frame'：5个变量中的100个变量：…[1]“setosa，VIGINICA”'data.frame'：5个变量中的100个变量：[1]“versicolor，VIGINICA”'data.frame'：5个变量中的0个变量：在本例中，它应该是“setosa，versicolor”67个观察值的df“setosa，VIGINICA”69个观察值的df和“versicolor，VIGINICA”“df为64observations@RawiaHemdan更新了我的答案，现在它返回了预期的结果
library(dplyr)
set.seed(123)
s<- sample (150,100)
data_train<- iris[s,]
data_test<- iris[-s,]
train <-data_train
test <-data_test
#train$Species <- as.factor(as.character(train$Species))
class <- unique(iris$Species)


for(i in 2:length(unique(iris$Species))-1){

  for(j in (i+1):length(unique(iris$Species))){
    print(paste(class[i],class[j],sep=","))

    class_i <- factor(as.factor(class[i]))
    class_j <- factor(as.factor(class[j]))


    train2 <- rbind(train[match(as.character(train$Species), class_i, nomatch = FALSE), ], 
                    train[match(as.character(train$Species), class_j, nomatch = FALSE), ])

    train2
    str(train2)


  }}