R 预测错误。svm：常数。无法缩放数据

我通过以下函数获取数据集：

dataGenerator<-function(size){
        x <- runif( size,1,10)
        y <- runif( size,1,10)
        data.frame(X=x,Y=y)
}

---

在我看来，您的

smiller

函数存在一些问题。 在下面，您可以找到代码的一个版本，其中包含一些（希望是正确的）更改

---

在我看来，您的

smiller

函数存在一些问题。 在下面，您可以找到代码的一个版本，其中包含一些（希望是正确的）更改

---

使用

summary（train）

您可以在

train

数据中看到。框架变量“class”和“score”的可变性为零。您所说的

零可变性是什么意思？我怎样才能修正它呢？用“零可变性”我的意思是“常数”。它们在100行中具有相同的值。使用
summary（train）
您可以在
train
数据中看到。帧变量“class”和“score”具有零可变性。您所说的
零可变性是什么意思？我怎样才能修正它呢？用“零可变性”我的意思是“常数”。它们在100行中有相同的值。你能解释一下，你改变了什么吗？你能解释一下，你改变了什么吗？
smiller<-function(points){

  for(i in i:nrow(points)){
    if(6<points[i,1] & points[i,1]<7 & 6<points[i,2] & points[i,2]<7)
      points["scores"] <- as.vector((points[i,1]-7)^2+(points[i,2]-7)^2)
    else
      points["scores"] <- as.vector((points[i,1]-5)^2+(points[i,2]-5)^2-9)
  }
  points["class"]<-(as.vector(  points$scores<0 ))
  points
}

train <-smiller(  dataGenerator(100))

   model <- svm(class ~ . , train,type = "C",kernel = "linear")

Variable(s) �scores� constant. Cannot scale data.
 Show Traceback
Error in predict.svm(ret, xhold, decision.values = TRUE) : Model is empty!

dataGenerator <- function(size) {
    x <- runif( size,1,10)
    y <- runif( size,1,10)
    data.frame(X=x,Y=y)
}

smiller <- function(points){
  for(i in 1:nrow(points)){
   if(6<points[i,1] & points[i,1]<7 & 6<points[i,2] & points[i,2]<7)
    points[i,"scores"] <- as.vector((points[i,1]-7)^2+(points[i,2]-7)^2)
   else
    points[i,"scores"] <- as.vector((points[i,1]-5)^2+(points[i,2]-5)^2-9)
  }
 points["class"]<-(as.vector(points$scores<0))
 points
}

train <- smiller(dataGenerator(100))

library(e1071)
model <- svm(class ~ . , train, type = "C", kernel = "linear")
print(model)

Call:
svm(formula = class ~ ., data = train, type = "C", kernel = "linear")

Parameters:
   SVM-Type:  C-classification 
 SVM-Kernel:  linear 
       cost:  1 
      gamma:  0.3333333 

Number of Support Vectors:  25