0
我目前使用kernlab
包中的R
来将传入数据与使用SVM的一组训练数据进行分类。要做到这一点我使用一个字符串的内核,这是设置了下面的命令:R:将ksvm值输出保存到工作目录中
sk <- stringdot(length = 2, lambda = 1.1, type = "exponential", normalized = TRUE)
我再喂校准串内核,sk
,到SVM用下面的命令:
svm <- ksvm(xtrain,ytrain,type="C-svc",kernel=sk,C=10,scaled=c())
这会在R环境中生成一个正式的类ksvm值,然后用它来预测传入数据的分类。以下命令用于分类新数据:
predicted <- matrix(predict(svm,xtest))
整个过程非常漫长。如果我能够保存价值svm
并将其称为预测传入数据而不必每次生成它,都可以节省大量时间。
是否有任何方法将此svm
值保存到工作目录并在需要时加载它以减少计算时间?
'dput()'似乎是解决问题的一个很好的,优雅的方式。但是,在使用'dget()'时遇到以下错误消息: '初始化错误(值,...):找不到函数“.local” 这是正常的吗?这可能是一个简单的修复。 – Futh
我用'save()'写了另一个解决方案' – HubertL
'save()'完美地工作! – Futh