R 混淆矩阵太大，其他方法解释SVM结果？

我正在尝试寻找R和SVM的可能性（e1071）。但是混淆矩阵的结果太大，无法显示

出于测试目的，我正在使用来自雅虎财经的数据集。
我的R命令集如下所示：

> library(e1071)
> yahooData <- read.csv(file="../StockData/yahoo/yahoo-full.csv")
> yahooData[1,]
        Date  Open  High   Low Close   Volume Adj.Close
1 2014-01-17 40.12 40.44 39.47 40.01 19262500     40.01
> dim(yahooData)
[1] 4473    7
> yIndex <- 1:nrow(yahooData)
> yTestindex <- sample(yIndex, trunc(length(yIndex)/3))
> yTestset <- yahooData[yTestindex,]
> yTrainset <- yahooData[-yTestindex,]
> dim(yTestset)
[1] 1491    7
> dim(yTrainset)
[1] 2982    7
> 
> # svm
> ySVMmodel <- svm(Close ~ ., data = yTrainset)
> ySVMpred <- predict(ySVMmodel, yTestset[,-5])

最后我想得到一个混乱矩阵来查看我的结果，但矩阵太大了，我无法从中获得任何信息：

> table(pred = ySVMpred, true = yTestset[,5])

---

除了混淆矩阵之外，是否还有其他方法可以查看预测值？或者用另一种方法缩小混淆矩阵以获得结果？

混淆矩阵用于评估分类结果。实际上，您正在使用支持向量机执行回归。适当的方法是查看可被学生化的残留物（估计值减去实际值）

---

根据我的经验，对于这类数据，获得模型拟合良好感觉的最佳方法是绘制预测时间序列与实际时间序列

混淆矩阵用于评估分类结果。实际上，您正在使用支持向量机执行回归。适当的方法是查看可被学生化的残留物（估计值减去实际值）

---

根据我的经验，对于这类数据，获得模型拟合良好感觉的最佳方法是绘制预测时间序列与实际时间序列

混淆矩阵用于评估分类结果。实际上，您正在使用支持向量机执行回归。适当的方法是查看可被学生化的残留物（估计值减去实际值）

---

根据我的经验，对于这类数据，获得模型拟合良好感觉的最佳方法是绘制预测时间序列与实际时间序列

混淆矩阵用于评估分类结果。实际上，您正在使用支持向量机执行回归。适当的方法是查看可被学生化的残留物（估计值减去实际值）

---

根据我的经验，对于这类数据，获得模型拟合良好感觉的最佳方法是绘制预测时间序列与实际时间序列

为什么你想要一个连续结果回归问题的混淆矩阵？我错过什么了吗？它通常对分类任务很有用。为什么你想要一个连续结果回归问题的混淆矩阵？我错过什么了吗？它通常对分类任务很有用。为什么你想要一个连续结果回归问题的混淆矩阵？我错过什么了吗？它通常对分类任务很有用。为什么你想要一个连续结果回归问题的混淆矩阵？我错过什么了吗？它通常用于分类任务。是的，谢谢，你说得对。在这一点上，我对分类和回归有一个普遍的误解。是的，谢谢，你是对的。在这一点上，我对分类和回归有一个普遍的误解。是的，谢谢，你是对的。在这一点上，我对分类和回归有一个普遍的误解。是的，谢谢，你是对的。在这一点上，我对分类和回归有一个普遍的误解。

> table(pred = ySVMpred, true = yTestset[,5])