• 主页
  • 课程

    关于课程

    • 课程归档
    • 成为一名讲师
    • 讲师信息
    同等学历教学

    同等学历教学

    免费
    阅读更多
  • 特色
    • 展示
    • 关于我们
    • 问答
  • 事件
  • 个性化
  • 博客
  • 联系
  • 站点资源
    有任何问题吗?
    (00) 123 456 789
    weinfoadmin@weinformatics.cn
    注册登录
    恒诺新知
    • 主页
    • 课程

      关于课程

      • 课程归档
      • 成为一名讲师
      • 讲师信息
      同等学历教学

      同等学历教学

      免费
      阅读更多
    • 特色
      • 展示
      • 关于我们
      • 问答
    • 事件
    • 个性化
    • 博客
    • 联系
    • 站点资源

      生信星球

      • 首页
      • 博客
      • 生信星球
      • 支持向量机模型

      支持向量机模型

      • 发布者 weinfoeditor
      • 分类 生信星球
      • 日期 2021年11月19日
      测试开头

      支持向量机模型支持向量机模型 今天是生信星球陪你的第860天支持向量机模型


         大神一句话,菜鸟跑半年。我不是大神,但我可以缩短你走弯路的半年~

         就像歌儿唱的那样,如果你不知道该往哪儿走,就留在这学点生信好不好~

         这里有豆豆和花花的学习历程,从新手到进阶,生信路上有你有我!

      开始系统学习一下机器学习的一些知识,这个是svm(支持向量机)分类模型。

      1.R包和数据

      使用了数据iris,用10%作为测试集,90%作为训练集。

      if(!require(e1071))install.packages("e1071")
      library(e1071)
      dat = iris
      set.seed(12342)
      od = sample(1:nrow(dat),0.9*nrow(dat))
      train <- dat[od,]
      test <- dat[-od,]
      nrow(train)
      ## [1] 135
      nrow(test)
      ## [1] 15

      2.模型构建和预测

      model <- svm(Species ~ ., data = train)
      fp = predict(model, test[,-5])   
      kt = table(fp,test[,5]);kt
      ##             
      ## fp           setosa versicolor virginica
      ##   setosa          4          0         0
      ##   versicolor      0          5         1
      ##   virginica       0          0         5
      # 看正确率
      sum(diag(kt))/sum(kt)
      ## [1] 0.9333333

      这个例子直接用默认参数,正确率已经非常高了,可以不用调优了(当然也可以还是调调)。

      3.搜索最优参数

      tune.svm函数可以得出误差最小的参数。

      cost是惩罚系数,太大导致过拟合,太小导致欠拟合,不直接用默认参数的画,可以用tune.svm找出表现最好的系数。

      gamma参数在不同的kernel里用法不同,涉及到了一些细节原理就不看了。

      tuned <- tune.svm(Species ~., 
                        data = train, 
                        gamma = 10^(-3:-1), 
                        cost = 10^(-1:1)) 
      summary(tuned)
      ## 
      ## Parameter tuning of 'svm':
      ## 
      ## - sampling method: 10-fold cross validation 
      ## 
      ## - best parameters:
      ##  gamma cost
      ##    0.1   10
      ## 
      ## - best performance: 0.03021978 
      ## 
      ## - Detailed performance results:
      ##   gamma cost      error dispersion
      ## 1 0.001  0.1 0.65989011 0.21376773
      ## 2 0.010  0.1 0.50934066 0.20021339
      ## 3 0.100  0.1 0.12692308 0.07989422
      ## 4 0.001  1.0 0.51813187 0.17702297
      ## 5 0.010  1.0 0.11978022 0.08817117
      ## 6 0.100  1.0 0.03736264 0.03943475
      ## 7 0.001 10.0 0.11978022 0.08817117
      ## 8 0.010 10.0 0.04450549 0.03836985
      ## 9 0.100 10.0 0.03021978 0.03904580

      由summary的结果可见,最好的参数是0.1和10。

      4.用最优参数重新建模

      model  <- svm(Species ~., data = train, gamma=0.1, cost=10) 
      fp = predict(model, test[,-5])   
      kt = table(fp,test[,5]);kt
      ##             
      ## fp           setosa versicolor virginica
      ##   setosa          4          0         0
      ##   versicolor      0          5         1
      ##   virginica       0          0         5
      # 看正确率
      sum(diag(kt))/sum(kt)
      ## [1] 0.9333333

      调完还是一样的,因为默认参数做出来的模型已经挺好的了。

      参考:《零基础学R语言数据分析-从机器学习、数据挖掘、文本挖掘到大数据分析》

      如果因为代码看不懂,而跟不上正文的节奏,可以来找我,系统学习。以下课程都是循环开课。下一期的时间,点进去咨询微信咯
      生信零基础入门学习小组
      生信入门班(四周线上直播课)
      数据挖掘班(医生/医学生首选)
      测试结尾

      请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!

      • 分享:
      作者头像
      weinfoeditor

      上一篇文章

      跟着 Cell 学绘图: 累计分布曲线
      2021年11月19日

      下一篇文章

      跟着 Cell 学绘图: 优美的条形图
      2021年11月19日

      你可能也喜欢

      8-1651673488
      生信零基础入门学习小组长期报名中(2022仍继续)
      7 4月, 2022
      2-1651673738
      简化版的ROC曲线
      21 2月, 2022
      10-1651674867
      R读取excel文件的最佳方式
      16 11月, 2021

      搜索

      分类

      • R语言
      • TCGA数据挖掘
      • 单细胞RNA-seq测序
      • 在线会议直播预告与回放
      • 数据分析那些事儿分类
      • 未分类
      • 生信星球
      • 老俊俊的生信笔记

      投稿培训

      免费

      alphafold2培训

      免费

      群晖配置培训

      免费

      最新博文

      Nature | 单细胞技术揭示衰老细胞与肌肉再生
      301月2023
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      301月2023
      如何快速批量修改 Git 提交记录中的用户信息
      261月2023
      logo-eduma-the-best-lms-wordpress-theme

      (00) 123 456 789

      weinfoadmin@weinformatics.cn

      恒诺新知

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      链接

      • 课程
      • 事件
      • 展示
      • 问答

      支持

      • 文档
      • 论坛
      • 语言包
      • 发行状态

      推荐

      • iHub汉语代码托管
      • iLAB耗材管理
      • WooCommerce
      • 丁香园论坛

      weinformatics 即 恒诺新知。ICP备案号:粤ICP备19129767号

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      要成为一名讲师吗?

      加入数以千计的演讲者获得100%课时费!

      现在开始

      用你的站点账户登录

      忘记密码?

      还不是会员? 现在注册

      注册新帐户

      已经拥有注册账户? 现在登录

      close
      会员购买 你还没有登录,请先登录
      • ¥99 VIP-1个月
      • ¥199 VIP-半年
      • ¥299 VIP-1年
      在线支付 激活码

      立即支付
      支付宝
      微信支付
      请使用 支付宝 或 微信 扫码支付
      登录
      注册|忘记密码?