র মধ্যে লিনিয়ার এসভিএম থেকে সিদ্ধান্তের সীমানা কীভাবে পাবেন?

Question

আমি এমন একটি প্যাকেজের প্রয়োজন যা আমাকে লিনিয়ার এসভিএম মডেলের সমীকরণ দিতে পারে। বর্তমানে আমি e1071 এর মতো ব্যবহার করছি :

library(e1071)
m = svm(data, labels, type='C', kernel='linear', cost=cost, probability=FALSE, scale=scale)
w = t(m$coefs) %*% data[m$index,]  #Weight vector
b = -model$rho #Offset

তবে, আমি নিশ্চিত না কীভাবে e1071::svm()ইতিবাচক এবং নেতিবাচক ক্লাসগুলি নির্বাচন করে, তাই আমি মনে করি এটি বিভিন্ন ডেটা সেটগুলির সাথে স্ক্রু আপ করতে পারে। এই ফাংশনটি কোন শ্রেণিটি ইতিবাচক এবং কোনটি নেতিবাচক তা কীভাবে সিদ্ধান্ত নিতে পারে তা কি কেউ নিশ্চিত করতে পারেন?

এছাড়াও, এই জন্য আরও ভাল প্যাকেজ আছে?

Comments

আমি সম্পর্কিত থ্রেডে এ সম্পর্কিত কিছু তথ্য সরবরাহ করেছি: লিনিয়ার এসভিএম মডেলের সিদ্ধান্তের সীমানা গণনা করছি ।

— chl

দেখুন stats.stackexchange.com

Answer 1

ডেটা পয়েন্ট আপনার এসভিএম নীচের পদ্ধতিতে সিদ্ধান্ত মান গণনা করে :$x$$d$

d <- sum(w * x) + b

তাহলে তত্কালীন ট্যাগ হয় , অন্য এটা । আপনি ডেটা ম্যাট্রিক্সের কথা বলে লেবেল বা সিদ্ধান্তের মানও পেতে পারেন$d > 0$$x$$+1$$-1$newdata

predict(m, newdata)

অথবা

predict(m, newdata, decision.values = TRUE)

প্যাকেজ e1071 থেকে এসভিএম ব্যবহার করার সময় সতর্ক থাকুন, e1071 লাইবসভিএম নিয়ে সমস্যা দেখুন ? প্রশ্ন। আর এর জন্য আরও কয়েকটি এসভিএম প্যাকেজ হ'ল কর্নলব, ক্লেআরআর এবং এসএমপিথ, এই সংক্ষিপ্ত বিবরণটি দেখুন: আর এ কার্টজোগ্লো এবং ডি মায়ার র দ্বারা আর্টের ভেক্টর মেশিনগুলি সমর্থন করুন ।

Comments

ধন্যবাদ, তবে আমার প্রশ্নটি আমি ডাব্লু এবং বি মানগুলি কীভাবে পাই সে সম্পর্কে। এছাড়াও, সিদ্ধান্তের মান সম্পর্কে, আমি জিজ্ঞাসা করছি যে কোনও পরীক্ষিত লেবেল প্রশিক্ষণের ডেটার জন্য যখন এটির কারণগুলি পাস করে তখন কী দেওয়া লেবেলটি ইতিবাচক এবং নেতিবাচক হয় তা কীভাবে সিদ্ধান্ত নেয়।

— রিসনার

আমি ই 1071 এর সাথে পরিচিত নই, তবে আমি এসভিএমকে জানি। কোনও শ্রেণিকে ইতিবাচক বা নেতিবাচক হিসাবে বিবেচনা করা হবে কিনা ফলাফলটিকে প্রভাবিত করবে না। আপনি যে কোনও ডেটাসেট নিতে এবং ক্লাসের লেবেলগুলিকে অদলবদল করতে পারেন এবং এখনও পরীক্ষার পয়েন্টগুলিকে শ্রেণিবদ্ধকরণের ক্ষেত্রে একই ফলাফলটি পাওয়া উচিত (একই পরামিতিগুলির জন্য)। ইতিবাচক এবং নেতিবাচক উদাহরণটি সিদ্ধান্তের সীমানার ডানদিকে পড়ে কিনা তা নির্ধারণ করতে ব্যবহৃত হয়।

— কারেনু