R对象不是矩阵

我是R新手，试图将我的svm模型保存在R中，并且已经阅读了文档，但仍然不明白哪里出了问题

我得到的错误是“对象不是矩阵”，这似乎意味着我的数据不是矩阵，但它是。。。所以有些东西不见了

我的数据定义为：

data = read.table("data.csv")
trainSet = as.data.frame(data[,1:(ncol(data)-1)])

最后一行是我的标签

我试图将我的模型定义为：

svm.model <- svm(type ~ ., data=trainSet, type='C-classification', kernel='polynomial',scale=FALSE)

---

这里，trainSet是一个数据帧，但在svm.model函数中，它期望数据是一个矩阵（在这里您将trainSet分配给数据）。因此，设置数据=as.matrix（列车集）。这应该很好。

事实上，正如@user5196900所指出的，您需要一个矩阵来运行

svm（）

。但是，请注意，矩阵对象意味着所有列都具有相同的数据类型、所有数字或所有分类/因子。如果您的数据

as.matrix（）

在实践中，人们通常希望
model.matrix（）
或
sparse.model.matrix（）
（来自包
matrix
）为分类变量提供虚拟列，而为数值变量提供单列。但确实是矩阵。
如果没有可复制的例子，很难说。
svm
函数（来自哪个包？）是否希望“data”参数是矩阵？如果是这样，那就是你的问题
read.table
将数据作为data.frame对象导入，后者是更高级别的构造。尝试
data=as.matrix（列车组）
@jdobres这是e1071包中的数据。我添加了我当前的代码。我的数据集非常大，但我给出了一个示例行。我的数据集实际上每个示例都有大约3000个特性，因此我在这里进行了简化。使用
model.matrix（）
或更类似于
sparse.model.matrix（）
（因为您的数据量更大）时，您是否遇到了错误。使用
sparse.model.matrix（）
之前的
svm（）
时的一个技巧是标准化代码中的数据。这是有意义的，但在model.frame.default（formula=type~，data=list）（V1=c（21.933418，：object不是矩阵）中也不起作用
# load libraries
require(e1071)
require(pracma)
require(kernlab)
options(warn=-1)

# load dataset
SVMtimes = 1
KERNEL="polynomial"
DEGREE = 2
data = read.table("head.csv")
results10foldAll=c()

# Cross Fold for training and validation datasets
for(timesRun in 1:SVMtimes) {
    cat("Running SVM = ",timesRun," result = ")

    trainSet = as.data.frame(data[,1:(ncol(data)-1)])
    trainClasses = as.factor(data[,ncol(data)])
    model = svm(trainSet, trainClasses, type="C-classification", 
                kernel = KERNEL, degree = DEGREE, coef0=1, cost=1, 
                cachesize = 10000, cross = 10)
    accAll = model$accuracies
    cat(mean(accAll), "/", sd(accAll),"\n")

    results10foldAll = rbind(results10foldAll, c(mean(accAll),sd(accAll)))
 }


# create model

svm.model <- svm(type ~ ., data = trainSet, type='C-classification', kernel='polynomial',scale=FALSE)

10.135338 7.214543 5.758917 6.361316 0.000000 18.455875 14.082668  31