Как построить и проанализировать переменную регрессию SVM в R

Question

Я новичок в R и имею некоторые проблемы с построением моделей svm. 1) Как мы можем построить и проанализировать результаты модели регрессии Mulit Variable SVM.

library(e1071) 
set.seed(3) 
data = data.frame(matrix(rnorm(100*5), nrow=100)) 
train=data[1:70,] 
test=data[71:100,] 
fit = svm(X1 ~ ., data=train) 
summary(fit) 
pred=predict(fit,test) 

2) Предположим, один из переменной (например, X2) содержит качественные данные (например: высокий, низкий и средний), а не количественных данных, то, как мы должны построить

Answer 1

Короче: вам не может. Невозможно визуализировать объект, который больше трехмерного.

Что вы можете сделать, это иметь дело с некоторым упрощением, аппроксимацией и т. Д., Вы часто визуализируете характеристику модели, а не сама модель. Например, можно было бы построить:

• соотношения между ошибкой метрики (как R2) по сравнению с некоторой гиперпараметр (регуляризации прочности, шириной ядра, размером обучающих наборов и т.д.)
• найти две наиболее значимых размеров набора данных и постройте свою модель как 3d-поверхность поверх этих двух измерений.
• Если ваша размерность не очень высока, вы можете делать парные линии, поэтому визуализируйте каждую пару размеров ->, так как для этого нужны графики d(d-1)/2, поэтому для d = 5 это всего 10 участков.
• многие другие характеристики важны с точки зрения эксперимента