kernlab回归

Question

任何人都遇到这个难题kernlab回归？它似乎正在失去一些缩放因子或某种东西，但也许我把它称为错误的。

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) 

有了这个玩具的例子我能得到合理的结果，如果我明确地传递newdata=df，但我真实的数据，我发现没有这样的解决方法。任何见解？

Answer 1

传递newdata参数是正确的做法（否则它将使用内部缩放数据，就像您看到的那样）。典型的方式是一样的东西：

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

如果这仍然没有在你的真实数据的工作，请详细说明...

对于它的价值，我通常喜欢先手动缩放我的数据，然后设置scaled=F。这样你就不必担心这种会在不同时间出现的东西。

编辑：我还要补充一点，当你的newdata数据帧，变量名称应与你用什么来创建模型，而不一定是“×”。