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:R 预测错误。svm:常数。无法缩放数据,r,R,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
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