wsvm.predict(wSVM)
wsvm.predict()所属R语言包：wSVM
Predict new test set using wsvm function and compute error rate
预测WSVM新的测试集使用功能和计算错误率
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Predict a weighted svm fit and compute error rate.
预测的加权SVM拟合，计算错误率。
用法----------Usage----------
wsvm.predict(X, Y, new.X, new.Y, model, comp.error.rate = FALSE)
参数----------Arguments----------
参数：X
input variable matrix to generate kernel. Data type must be a matrix format.
输入变量矩阵生成内核。数据类型必须是一个矩阵格式。
参数：Y
output variable vector which will be declared as a matrix in SVM. Data type must be a matrix format.
输出变量的向量，将被宣布为支持向量机中的矩阵。数据类型必须是一个矩阵格式。
参数：new.X
test predictors.
测试的预测因子。
参数：new.Y
test response.
测试响应。
参数：model
predicted model including alpha and bias terms. The alpha means estimated coefficients(nrow(X) by 1) and bias means bias term.
预测模型包括α和偏见条款。的α是指估计系数（NROW（X）由1）的，偏压装置偏压术语。
参数：comp.error.rate
logical value. If true, calculate error rate.
逻辑值。如果为true，计算出误码率。
Details
详细信息----------Details----------
Predict a weighted svm fit.
预测的加权SVM适合。
值----------Value----------
A function wsvm.predict generates a list consists of values, g, and error.rate. <br> <table summary="R valueblock"> <tr valign="top"><td>predicted.values</td> <td> fitted value at new.X </td></tr> <tr valign="top"><td>g</td> <td> signs of predicted values </td></tr> <tr valign="top"><td>error.rate</td> <td> misclassification error rate </td></tr> </table>
一个功能wsvm.predict生成一个列表的值，g和error.rate。 <table summary="R valueblock"> <tr valign="top"> <TD> predicted.values</ TD> <TD>拟合值new.X </ TD> </ TR> < TR VALIGN =“”> <TD>g </ TD> <TD>的迹象，预测值</ TD> </ TR> <tr valign="top"> <TD> error.rate <TD>误分率</ TD> </ TD> </ TR> </ TABLE>
（作者）----------Author(s)----------
SungWhan Kim <a href="mailto:swiss747@korea.ac.kr">swiss747@korea.ac.kr</a> <br>
Soo-Heang Eo <a href="mailto:hanansh@korea.ac.kr">hanansh@korea.ac.kr</a>
参见----------See Also----------
wsvm, wsvm.boost
wsvm，wsvm.boost
实例----------Examples----------
# generate a simulation data set using mixture example(page 17, Friedman et al. 2000)[生成一个仿真数据集，使用混合的例子（第17页，弗里德曼等人，2000）]
svm.data <- simul.wsvm(set.seeds = 123)
X <- svm.data$X
Y <- svm.data$Y
new.X <- svm.data$new.X
new.Y <- svm.data$new.Y
# run Weighted K-means clustering SVM with boosting algorithm[与提高运行加权K-means聚类SVM算法]
model <- wsvm(X, Y, c.n = rep(1/ length(Y),length(Y)))
# predict the model and compute an error rate. [预测模型和计算的错误率。]
pred <- wsvm.predict(X,Y, new.X, new.Y, model)
Error.rate(pred$predicted.Y, Y)
# add boost algorithm[添加提高算法]
boo <- wsvm.boost(X, Y, new.X, new.Y, c.n = rep(1/ length(Y),length(Y)),
B = 50, kernel.type = list(type = "rbf", par= 0.5), C = 4,
eps = 1e-10, plotting = TRUE)
boo
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-10-1 23:11:12
