混淆矩阵太大，其他方法解释支持向量机的结果？

Question

我想看看R和支持向量机(e1071)有什么可能。但混乱矩阵的结果却是大而不显的。

为了测试目的，我使用了来自雅虎金融的雅虎股票数据集。

我的R命令集如下所示：

> library(e1071)
> yahooData <- read.csv(file="../StockData/yahoo/yahoo-full.csv")
> yahooData[1,]
        Date  Open  High   Low Close   Volume Adj.Close
1 2014-01-17 40.12 40.44 39.47 40.01 19262500     40.01
> dim(yahooData)
[1] 4473    7
> yIndex <- 1:nrow(yahooData)
> yTestindex <- sample(yIndex, trunc(length(yIndex)/3))
> yTestset <- yahooData[yTestindex,]
> yTrainset <- yahooData[-yTestindex,]
> dim(yTestset)
[1] 1491    7
> dim(yTrainset)
[1] 2982    7
> 
> # svm
> ySVMmodel <- svm(Close ~ ., data = yTrainset)
> ySVMpred <- predict(ySVMmodel, yTestset[,-5])

我的支持向量机模型和预测概述如下：

> summary(ySVMmodel)

Call:
svm(formula = Close ~ ., data = yTrainset)


Parameters:
   SVM-Type:  eps-regression 
 SVM-Kernel:  radial 
       cost:  1 
      gamma:  0.000223314 
    epsilon:  0.1 


Number of Support Vectors:  493

> summary(ySVMpred)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  12.55   20.96   31.93   49.84   43.55  401.10 

最后，我想得到一个混乱的矩阵来查看我的结果，但是这个矩阵太大了，我无法从中得到任何信息：

> table(pred = ySVMpred, true = yTestset[,5])

除了混淆矩阵之外，还有另一种方法来查看预测值吗？或者用另一种方法缩小混乱矩阵以获得结果？

Answer 1

混淆矩阵是用来评估分类结果的。实际上，您正在使用SVMs执行回归。适当的方法是研究可以研究的残余物(估计的减去实际的)。

根据我的经验，对于这类数据，最好的方法是绘制预测的时间序列和实际的时间序列。