R语言（一）SVM & LDA

Python018

R语言（一）SVM & LDA,第1张

The linear separability of the data is high. Because accuracy of both linear kernel SVM and LDA are high, while accuracy of polynomial kernel SVM with degree 3 and 6 are low.

可以从datasets软件包中的iris数据集里获取，下面我们演示性地列出了前5行数据。成功载入数据后，易见其中共包含了150个样本（被标记为setosa、versicolor和virginica的样本各50个），以及四个样本特征，分别是Sepal.Length、Sepal.Width、Petal.Length和Petal.Width。

预测的话，应该用接下来的时间，所以应该是预测2014,2015....

程序如下：

new<-data.frame(year=2014)

lm.pred<-predict(z,new,interval="prediction",level=0.95)

lm.pred

解释：第一行表示输入新的点year=2014，注意，即使就一个点，也要采用数据框结构；第二行的函数predict（）给出相应的预测值，参数interval="prediction"表示同时要给出相应的置信区间，参数level=0.95表示相应的概率为0.95.这个参数也可以不写，因为它的缺省值为0.95.

你提到的2013的数据不是预测，而是拟合。我们可以通过得到的模型对原来的year这个变量的数据进行拟合。

程序如下：

fit<-fitted(z)

fit

得到的就是在你得到的模型下2006-2013这8年的拟合值了。

希望能对你有所帮助~