全文链接：http://tecdat.cn/?p=23305
最近我们被客户要求撰写关于支持向量机回归的研究报告，包括一些图形和统计输出。
在这篇文章中，我将展示如何使用R语言来进行支持向量回归SVR
我们将首先做一个简单的线性回归，然后转向支持向量回归，这样你就可以看到两者在相同数据下的表现。
一个简单的数据集
首先，我们将使用这个简单的数据集。
正如你所看到的，在我们的两个变量X和Y之间似乎存在某种关系，看起来我们可以拟合出一条在每个点附近通过的直线。
我们用R语言来做吧!
点击标题查阅往期内容
Matlab建立SVM，KNN和朴素贝叶斯模型分类绘制ROC曲线
左右滑动查看更多
01
02
03
04
第1步：在R中进行简单的线性回归
下面是CSV格式的相同数据，我把它保存在regression.csv文件中。
我们现在可以用R来显示数据并拟合直线。
# 从csv文件中加载数据
dataDirectory <- "D:/" #把你自己的文件夹放在这里
data <- read.csv(paste(dataDirectory, 'data.csv', sep=""), header = TRUE)
# 绘制数据
plot(data, pch=16)
# 创建一个线性回归模型
model <- lm(Y ~ X, data)
# 添加拟合线
abline(model)
上面的代码显示以下图表:
第2步：我们的回归效果怎么样？
为了能够比较线性回归和支持向量回归，我们首先需要一种方法来衡量它的效果。
为了做到这一点，我们改变一下代码，使模型做出每一个预测可视化
# 对每个X做一个预测
pred <- predict(model, data)
# 显示预测结果
points(X, pred)
产生了以下图表。
对于每个数据点Xi，模型都会做出预测Y^i，在图上显示为一个红色的十字。与之前的图表唯一不同的是，这些点没有相互连接。
为了衡量我们的模型效果，我们计算它的误差有多大。
我们可以将每个Yi值与相关的预测值Y^i进行比较，看看它们之间有多大的差异。
请注意，表达式Y^i-Yi是误差，如果我们做出一个完美的预测，Y^i将等于Yi，误差为零。
如果我们对每个数据点都这样做，并将误差相加，我们将得到误差之和，如果我们取平均值，我们将得到平均平方误差（MSE）。
在机器学习中，衡量误差的一个常见方法是使用均方根误差（RMSE），所以我们将使用它来代替。
为了计算RMSE，我们取其平方根，我们得到RMSE
使用R，我们可以得到以下代码来计算RMSE
rmse <- function(error)
{
sqrt(mean(error^2))
}
我们现在知道，我们的线性回归模型的RMSE是5.70。让我们尝试用SVR来改善它吧！
第3步：支持向量回归
用R创建一个SVR模型。
下面是用支持向量回归进行预测的代码。
model <- svm(Y ~ X , data)
如你所见，它看起来很像线性回归的代码。请注意，我们调用了svm函数（而不是svr！），这是因为这个函数也可以用来用支持向量机进行分类。如果该函数检测到数据是分类的（如果变量是R中的一个因子），它将自动选择SVM。
代码画出了下面的图。
这一次的预测结果更接近于真实的数值 ! 让我们计算一下支持向量回归模型的RMSE。
# 这次svrModel$residuals与data$Y - predictedY不一样。
#所以我们这样计算误差
svrPredictionRMSE
正如预期的那样，RMSE更好了，现在是3.15，而之前是5.70。
但我们能做得更好吗？
第四步：调整你的支持向量回归模型
为了提高支持向量回归的性能，我们将需要为模型选择最佳参数。
在我们之前的例子中，我们进行了ε-回归，我们没有为ε(ϵ)设置任何值，但它的默认值是0.1。 还有一个成本参数，我们可以改变它以避免过度拟合。
选择这些参数的过程被称为超参数优化，或模型选择。
标准的方法是进行网格搜索。这意味着我们将为ϵ和成本的不同组合训练大量的模型，并选择最好的一个。
# 进行网格搜索
tuneResultranges = list(epsilon = seq(0,1,0.1), cost = 2^(2:9))
# 绘制调参图
plot(Result)
在上面的代码中有两个重要的点。
- 我们使用tune方法训练模型，ϵ=0,0.1,0.2,...,1和cost=22,23,24,...,29这意味着它将训练88个模型（这可能需要很长一段时间
- tuneResult返回MSE，别忘了在与我们之前的模型进行比较之前将其转换为RMSE。
最后一行绘制了网格搜索的结果。
在这张图上，我们可以看到，区域颜色越深，我们的模型就越好（因为RMSE在深色区域更接近于零）。
这意味着我们可以在更窄的范围内尝试另一个网格搜索，我们将尝试在0和0.2之间的ϵ值。目前看来，成本值并没有产生影响，所以我们将保持原样，看看是否有变化。
rangelist(epsilo = seq(0,0.2,0.01), cost = 2^(2:9))
我们用这一小段代码训练了不同的168模型。
当我们放大暗区域时，我们可以看到有几个较暗的斑块。
从图中可以看出，C在200到300之间，ϵ在0.08到0.09之间的模型误差较小。
希望对我们来说，我们不必用眼睛去选择最好的模型，R让我们非常容易地得到它，并用来进行预测。
# 这个值在你的电脑上可能是不同的
# 因为调参方法会随机调整数据
tunedModelRMSE <- rmse(error)
我们再次提高了支持向量回归模型的RMSE !
我们可以把我们的两个模型都可视化。在下图中，第一个SVR模型是红色的，而调整后的SVR模型是蓝色的。
我希望你喜欢这个关于用R支持向量回归的介绍。你可以查看原文得到本教程的源代码。
本文摘选 《 R语言进行支持向量机回归SVR和网格搜索超参数优化 》 ，点击“阅读原文”获取全文完整资料。
点击标题查阅往期内容
逻辑回归、随机森林、SVM支持向量机预测心脏病风险数据和模型诊断可视化
R语言梯度提升机 GBM、支持向量机SVM、正则判别分析RDA模型训练、参数调优化和性能比较可视化分析声纳数据
R语言量化交易RSI策略：使用支持向量机SVM
基于随机森林、svm、CNN机器学习的风控欺诈识别模型
Matlab建立SVM，KNN和朴素贝叶斯模型分类绘制ROC曲线
基于ARIMA、SVM、随机森林销售的时间序列预测
基于数据挖掘SVM模型的pre-incident事故预防预测
R语言用rle，svm和rpart决策树进行时间序列预测Python中基于网格搜索算法优化的深度学习模型分析糖尿病数据
随机森林优化贝叶斯预测分析汽车燃油经济性
Python基于粒子群优化的投资组合优化研究
matlab使用贝叶斯优化的深度学习：卷积神经网络CNN
R语言深度学习：用keras神经网络回归模型预测时间序列数据
Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类
R语言KERAS深度学习CNN卷积神经网络分类识别手写数字图像数据（MNIST）
MATLAB中用BP神经网络预测人体脂肪百分比数据
Python中用PyTorch机器学习神经网络分类预测银行客户流失模型
R语言实现CNN（卷积神经网络）模型进行回归数据分析
SAS使用鸢尾花(iris)数据集训练人工神经网络(ANN)模型
【视频】R语言实现CNN（卷积神经网络）模型进行回归数据分析
Python使用神经网络进行简单文本分类
R语言用神经网络改进Nelson-Siegel模型拟合收益率曲线分析
R语言基于递归神经网络RNN的温度时间序列预测
R语言神经网络模型预测车辆数量时间序列
R语言中的BP神经网络模型分析学生成绩
matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类
R语言实现拟合神经网络预测和结果可视化
用R语言实现神经网络预测股票实例
使用PYTHON中KERAS的LSTM递归神经网络进行时间序列预测
python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译
用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类