解释 R 中特征选择的 SVM 系数

问题描述

我认为我对如何确定 SVM 中每个输入变量的相对贡献存在根本性的误解。

在查看其他一些问题的回答时，我认为系数应该表明每个变量在为 SVM 生成超平面时使用了“多少”。但是，我的结果支持向量（以及系数）比输入变量多，所以这似乎不对。

这就是我的意思。我的 SVM 与此非常相似：

require(e1071)
testsvmfit <- svm(Sepal.Length ~.,data = iris,kernel = "linear",probability = TRUE,cost =10)

当我得到这样的系数时：

print(testsvmfit)
testsvmfit$coefs

这里的两行代码都显示了 119 个支持向量和系数，尽管 iris 数据集除了 Sepal.Length 之外只有 4 个其他变量（即 Sepal.Width、Petal.Length、Petal.Width 和 Species = 4，即

我如何确定 4 个输入变量中的哪一个对我制作的 SVM 影响最大？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）