核回归

Question

有人遇到过kernlab回归的困难吗？它似乎失去了一些缩放因素或什么，但也许我认为它是错误的。

library(kernlab)
df <- data.frame(x=seq(0,10,length.out=1000))
df$y <- 3*df$x + runif(1000) - 3
plot(df)
res <- ksvm(y ~ x, data=df, kernel='vanilladot')
lines(df$x, predict(res), col='blue', lwd=2)

​

​

通过这个玩具示例，如果我显式地通过了newdata=df，我就可以得到合理的结果，但是通过我的真实数据，我没有找到这样的解决办法。有洞察力吗？

Answer 1

传递newdata参数是正确的方法(否则它将使用内部缩放的数据，就像您看到的那样)。典型的方法是：

newx = seq(min(df$x), max(df$x), len=100)
lines(newx, predict(res, newdata=data.frame(x=newx)), col='blue', lwd=2)

如果你的真实数据还不能用，请详细说明.

至于它的价值，我通常更喜欢手动缩放我的数据，然后设置scaled=F。这样你就不用担心这种可能在不同时间出现的事情了。

编辑：我还应该补充一点，当您创建newdata数据框架时，变量名应该与您用来创建模型的名称相匹配，而不一定是"x“。