Digamos que tengo una muy dimensiones problema de clasificación con un montón de ruido, y quiero mejorar mis resultados mediante la eliminación de algunos de los ruidosos variables. He leído varios artículos sobre el uso de la SVMs para la selección de características, pero estoy en una pérdida en cuanto a cómo implementar esto en R. existen pre-existentes de los paquetes que hacer esto, o voy a tener que rodar mi propia?
Respuestas
¿Demasiados anuncios?
Como yo los entiendo, SVMs se han incorporado en la regularización , ya que tienden a penalizar a los grandes pesos de predictores que asciende a favor de modelos más simples. Se usan frecuentemente con función recursiva eliminación (en la neuroimagen paradigmas, al menos).
Acerca de R en concreto, hay la kernlab paquete, por Alex Smola , quien es co-autor con el Aprendizaje de los Núcleos (2002, MIT Press), que implementa SVM (además de e1071). Sin embargo, si usted está después de un dedicado marco, yo le recomendaría el símbolo de intercalación paquete.
lambacck
Puntos
346
Para Recursiva de Extracción de características (SVM-RFE) los paquetes e1071 y Kernlab no aplicar lo creo. Para el Weka SVMAttributeEval paquete es para Java creo, pero la pregunta era para R como me veía. La mejor manera es tratar de poner en práctica la SVM-RFE utilizando e1071 y LIBSVM biblioteca He encontrado un buen parper relación que aquí.
lurks
Puntos
1179
El Weka SVMAttributeEval paquete le permite hacer la selección de características mediante SVM.
Debería ser bastante fácil para volcar sus R trama de datos a un archivo csv de importación, que en Weka, hacer la selección de la función y, a continuación, tire de él en R.
