SVM-RFE算法在R中的实现

我使用R代码来实现这个源代码中的

SVM-RFE

算法，但是我做了一个小的修改，使R代码使用

gnum

库。代码如下：

svmrfeFeatureRanking = function(x,y){
  n = ncol(x)

  survivingFeaturesIndexes = seq(1:n)
  featureRankedList = vector(length=n)
  rankedFeatureIndex = n

  while(length(survivingFeaturesIndexes)>0){
    #train the support vector machine
    svmModel = SVM(x[, survivingFeaturesIndexes], y, C = 10, cache_size=500,kernel="linear" )



    #compute ranking criteria
    rankingCriteria = svmModel$w * svmModel$w

    #rank the features
    ranking = sort(rankingCriteria, index.return = TRUE)$ix

    #update feature ranked list
    featureRankedList[rankedFeatureIndex] = survivingFeaturesIndexes[ranking[1]]
    rankedFeatureIndex = rankedFeatureIndex - 1

    #eliminate the feature with smallest ranking criterion
    (survivingFeaturesIndexes = survivingFeaturesIndexes[-ranking[1]])

  }

  return (featureRankedList)
} 

该函数接收一个

矩阵

作为

x的
输入
，以及一个
因子
作为
y的
输入
。我对一些数据使用该函数，在最后一次迭代中收到以下错误消息：

 Error in if (nrow(x) != length(y)) { : argument is of length zero 

在调试代码时，我得到以下信息：

3 SVM.default(x[, survivingFeaturesIndexes], y, C = 10, cache_size = 500, 
    kernel = "linear") 
2 SVM(x[, survivingFeaturesIndexes], y, C = 10, cache_size = 500, 
    kernel = "linear") 
1 svmrfeFeatureRanking(sdatx, ym) 

那么，函数的错误是什么呢？
看起来，当只剩下一个功能时，矩阵会被转换成一个列表。试试这个：

svmModel = SVM(as.matrix(x[, survivingFeaturesIndexes]), y, C = 10, cache_size=500,kernel="linear" )

插入符号包似乎包含RFE：