วิธีการรับขอบเขตการตัดสินใจจาก linear SVM ใน R?

ฉันต้องการแพคเกจที่สามารถให้สมการสำหรับโมเดล SVM เชิงเส้นได้ ขณะนี้ฉันใช้e1071เช่นนั้น:

library(e1071)
m = svm(data, labels, type='C', kernel='linear', cost=cost, probability=FALSE, scale=scale)
w = t(m$coefs) %*% data[m$index,]  #Weight vector
b = -model$rho #Offset

อย่างไรก็ตามฉันไม่แน่ใจว่าe1071::svm()จะเลือกคลาสบวกและลบได้อย่างไรดังนั้นฉันคิดว่านี่อาจทำให้ชุดข้อมูลแตกต่างกัน ทุกคนสามารถยืนยันได้ว่าฟังก์ชั่นนี้ตัดสินใจว่าคลาสใดเป็นบวก

นอกจากนี้ยังมีแพ็คเกจที่ดีกว่าสำหรับสิ่งนี้หรือไม่?

สำหรับจุดข้อมูล SVM ของคุณคำนวณค่าการตัดสินใจด้วยวิธีต่อไปนี้:$x$$d$

d <- sum(w * x) + b

ถ้าฉลากแล้วคือ , อื่นมัน-1คุณยังสามารถรับเลเบลหรือค่าการตัดสินใจสำหรับเมทริกซ์ข้อมูลได้ด้วยการพูด$d > 0$$x$$+1$$-1$newdata

predict(m, newdata)

หรือ

predict(m, newdata, decision.values = TRUE)

ใช้ความระมัดระวังเมื่อใช้ SVM จากแพ็คเกจ e1071 ดูที่ปัญหาเกี่ยวกับ e1071 libsvm? คำถาม. แพ็คเกจ SVM อื่น ๆ อีกมากมายสำหรับ R คือ kernlab, klaR และ svmpath ดูภาพรวมนี้: สนับสนุน Vector Machines Machines ใน Rโดย A. Karatzoglou และ D. Meyer