知识卡片
分类标签类型决定SVM任务
e1071的svm会依据响应类型选择默认任务:factor用于分类,数值向量用于回归。书中0/1数值Label直接传入svm后将输出以0为阈值二值化,不能据此把结果称为标准SVM分类。复现时先固定标签levels与type,再核对预测类别;若主动用回归打分,应另行确定阈值与评估含义。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第12章 模型比较 第12章 模型比较 · 连续片段1 · 查看原书依据
svm(Label~X+Y, data=df) svm.predictions<-ifelse(predict(svm.fit)>0,1,0) mean(with(df, svm.predictions==Label)) #[1]0.7204 显然,我们干得好多了(预测准确率为7
参考来源
- 位置:《机器学习:实用案例解析》第12章《第12章 模型比较 · 连续片段1》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3124.html,spine3230)
- 结论依据:原书代码配合e1071官方svm文档核验;数字响应默认回归,不能仅凭章节名称认定分类。
- 原始内容:svm(Label~X+Y, data=df) svm.predictions<-ifelse(predict(svm.fit)>0,1,0) mean(with(df, svm.predictions==Label)) #[1]0.7204 显然,我们干得好多了(预测准确率为7
- 外部核验:[e1071官方svm接口](https://github.com/cran/e1071/blob/master/man/svm.Rd)(2026-11-14)。