在R中为svm编写自定义内核

我希望在R中使用e1071软件包的svm（）函数。我是这个软件包的新手，我想知道是否有可能在svm（）中编写您自己的可调用自定义内核。我看到有几个预加载的内核，但我没有看到余弦相似内核，这正是我所需要的

---

或者，R中是否有另一个软件包允许您使用余弦相似性内核运行SVM？

坏消息是，e1071目前不支持它。很多年前就有过一次讨论

好消息是，余弦相似核被定义为

K(x, y) = <x, y> / (||x|| ||y||) = <x / ||x||, y / ||y||>

K（x，y）=/（x | | | | | | | | y |）=

因此，您不必实现自定义内核，只需规范化数据，并运行常规线性内核支持向量机即可。换句话说，计算（样本）正则欧几里德范数，并将每个样本除以自己的范数。然后运行线性支持向量机，其结果相当于对原始数据运行余弦核

---

<>如果你想用“强”>定制的<强>机器学习模型来研究，R可能不是要走的路（因为它是一个应用现有技术的工具而不是一个设计良好的开发系统——如果你想在R中自定义某个东西，你基本上必须去C++级）。相反，您可能需要考虑Python和许多库（例如ScKiTe+PykRes），这给了您更大的灵活性。

< P>坏消息是E1071.目前不支持。很多年前就有过一次讨论

好消息是，余弦相似核被定义为

K(x, y) = <x, y> / (||x|| ||y||) = <x / ||x||, y / ||y||>

K（x，y）=/（x | | | | | | | | y |）=

因此，您不必实现自定义内核，只需规范化数据，并运行常规线性内核支持向量机即可。换句话说，计算（样本）正则欧几里德范数，并将每个样本除以自己的范数。然后运行线性支持向量机，其结果相当于对原始数据运行余弦核

<>如果你想用“强”>定制的<强>机器学习模型来研究，R可能不是要走的路（因为它是一个应用现有技术的工具而不是一个设计良好的开发系统——如果你想在R中自定义某个东西，你基本上必须去C++级）。相反，您可能需要考虑Python和许多库（例如ScKiTeCub + PyKeles），这给了您更大的灵活性。