机器学习神经网络与预测建模

机器学习-支持向量机递归特征消除（SVM-RFE）的构建(24)

¥69.90

购买后会显示你购买的服务器的账号和密码。并且发送服务器的账号和密码到你的邮箱作为备份。格式为xxxx:zzzz （以“：”分割，前边是账号，后边是密码），例如 xiaoyun:998899 那么你的服务器的账号和密码分别是xiaoyun和998899。

有了账号和密码后，不会登录服务器的参考链接：https://www.biocloudservice.com/wordpress/?p=292

有问题咨询客服，客服微信：18502195490

购买前有疑问？

可以先确认适用场景、配置、交付内容和开通方式。联系客服

分类：机器学习与建模

描述

描述

支持向量机递归特征消除(简称SVM–RFE)是由Guyon等人在对癌症分类时提出来的，最初只能对两类数据进行特征提取。它是一种基于Embedded方法。支持向量机广泛用于模式识别，机器学习等领域，SVM采用结构风险最小化原则，同时最小化经验误差，以此提高学习的性能。

SVM–RFE算法SVM–RFE是一个基于SVM的最大间隔原理的序列后向选择算法。它通过模型训练样本，然后对每个特征进行得分进行排序，去掉最小特征得分的特征，然后用剩余的特征再次训练模型，进行下一次迭代，最后选出需要的特征数。

小编最近发现已有部分研究将SVM–RFE算法应用于生信文章，如下图。这篇影响因子>5分简单纯生信文章。

但是具体要如何实现呢？今天，小编以代码提供的数据为例进行说明。代码具体包括：（文末付费后领取）此代码需基于服务器运行，本地电脑运行大约需2–3天，因此购买代码的同学可以联系小编免费获取3天服务器试用账号。Step1：输入数据并构建SVM–RFE模型

Step2：训练svm分类器和交叉验证

Step3：计算错误率和准确率并绘图

下面是代码中附带数据逐步分析结果：

svm–error图

svm–accuracy图

神奇吧，就是如此简单，我们用的都是入门级函数，稍微懂点R语言就能实现。