Вы писали:
Я использовал svm, чтобы найти регрессию гиперплоскости, наилучшим образом подходящую
Но в соответствии с:
Call:
svm(formula = q ~ ., data = data, kernel = "linear")
Parameters:
SVM-Type: C-classification
вы делаете классификацию .
Итак, прежде всего решите, что вам нужно: для классификации или подгонки регрессии, из ?svm мы видим:
type: ‘svm’ can be used as a classification machine, as a
regression machine, or for novelty detection. Depending of
whether ‘y’ is a factor or not, the default setting for
‘type’ is ‘C-classification’ or ‘eps-regression’,
respectively, but may be overwritten by setting an explicit
value.
Поскольку я считаю, что вы не изменили параметр type по умолчанию, вы, вероятно, решаете classification, поэтому я покажу, как это визуализировать для классификации.
Предположим, есть 2 классы, сгенерируйте некоторые данные:
> require(e1071) # for svm()
> require(rgl) # for 3d graphics.
> set.seed(12345)
> seed <- .Random.seed
> t <- data.frame(x=runif(100), y=runif(100), z=runif(100), cl=NA)
> t$cl <- 2 * t$x + 3 * t$y - 5 * t$z
> t$cl <- as.factor(ifelse(t$cl>0,1,-1))
> t[1:4,]
x y z cl
1 0.7209039 0.2944654 0.5885923 -1
2 0.8757732 0.6172537 0.8925918 -1
3 0.7609823 0.9742741 0.1237949 1
4 0.8861246 0.6182120 0.5133090 1
Так как вы хотите kernel='linear' граница должна быть w1*x + w2*y + w3*z - w0 - гиперплоскость.
Наша задача делится на 2 подзадачи: 1) оценить уравнение этой граничной плоскости 2) нарисовать эту плоскость.
1) Оценка уравнения граничной плоскости
Сначала давайте запустим svm():
> svm_model <- svm(cl~x+y+z, t, type='C-classification', kernel='linear',scale=FALSE)
Я написал здесь явно type=C-classification просто для акцента, мы хотим сделать классификацию .
scale=FALSE означает, что мы хотим, чтобы svm() запускался напрямую с предоставленными данными без масштабирования данных (как это происходит по умолчанию). Я сделал это для будущих оценок, которые станут проще.
К сожалению, svm_model не хранит уравнение граничной плоскости (или просто его нормальный вектор), поэтому мы должны его оценить. Из svm-алгоритма мы знаем, что мы можем оценить такие веса по следующей формуле:
w <- t(svm_model$coefs) %*% svm_model$SV
Отрицательный перехват сохраняется в svm_model и доступен через svm_model$rho.
2) Рисование плоскости .
Я не нашел никакой полезной функции plane3d, поэтому, опять же, мы должны сделать некоторую удобную работу. Мы просто берем сетку пар (x,y) и оцениваем соответствующее значение z граничной плоскости.
detalization <- 100
grid <- expand.grid(seq(from=min(t$x),to=max(t$x),length.out=detalization),
seq(from=min(t$y),to=max(t$y),length.out=detalization))
z <- (svm_model$rho- w[1,1]*grid[,1] - w[1,2]*grid[,2]) / w[1,3]
plot3d(grid[,1],grid[,2],z) # this will draw plane.
# adding of points to the graphics.
points3d(t$x[which(t$cl==-1)], t$y[which(t$cl==-1)], t$z[which(t$cl==-1)], col='red')
points3d(t$x[which(t$cl==1)], t$y[which(t$cl==1)], t$z[which(t$cl==1)], col='blue')
Мы сделали это с пакетом rgl, вы можете повернуть это изображение и наслаждаться им:)
