R語言中的非線性分類方法，都在這裡了

更多騰訊海量技術文章，請關注騰訊雲+社區：

https://cloud.tencent.com/developer

本文作者：陳良莉

你可以在這篇文章中找到8種在R語言中實現的非線性方法，每一種方法都做好了為你複製粘貼及修改你問題的準備。

本文中的所有方法都使用了數據集包（http://stat.ethz.ch/R-manual/R-patched/library/datasets/html/00Index.html）中隨R提供的虹膜花數據集。這個數據集描述了虹膜花的測量結果，並且要求將每次的觀察結果分類到三種花中的一種。

Irise花兒

照片來自：dottieg2007，部分權利保留

混合判別分析

這個配方演示了虹膜數據集上的MDA方法。

R中的混合判別分析：

# load the package

library(mda)

data(iris)

# fit model

fit

# summarize the fit

summary(fit)

# make predictions

predictions

# summarize accuracy

table(predictions, iris$Species)

詳細了解mda軟體包中的mda函數（https://cran.r-project.org/web/packages/mda/index.html）。

二次判別分析

QDA尋求最大化類間距離的屬性之間的二次關係。

這個配方演示了虹膜數據集上的QDA方法。

R中的二次判別分析 ：

# load the package

library(MASS)

data(iris)

# fit model

fit

# summarize the fit

summary(fit)

# make predictions

predictions

# summarize accuracy

table(predictions, iris$Species)

規範化判別分析

這個配方演示了虹膜數據集上的RDA方法。

R中的規範化判別分析 ：

# load the package

library(klaR)

data(iris)

# fit model

fit

# summarize the fit

summary(fit)

# make predictions

predictions

# summarize accuracy

table(predictions, iris$Species)

神經網路

神經網路（NN）是接收輸入並將結果傳遞到傳遞的輸出的計算單元的圖形，這些單元被排序成層，以便將輸入矢量的特徵連接到輸出矢量的特徵。通過訓練（如反向傳播演算法），神經網路可以被設計和訓練來模擬數據中的基礎關係。

這個配方演示了虹膜數據集上的一個神經網路。

R中的神經網路：

# load the package

library(nnet)

data(iris)

# fit model

fit

# summarize the fit

summary(fit)

# make predictions

predictions

# summarize accuracy

table(predictions, iris$Species)

靈活的判別分析

這個配方演示了虹膜數據集上的FDA方法。

R中的柔性判別分析 ：

# load the package

library(mda)

data(iris)

# fit model

fit

# summarize the fit

summary(fit)

# make predictions

predictions

# summarize accuracy

table(predictions, iris$Species)

詳細了解mda軟體包中的fda功能。（https://cran.r-project.org/web/packages/mda/index.html）

支持向量機

支持向量機（SVM）是一種在轉換問題空間中使用點的方法，可以最佳地將類分為兩組。對於多種類別的分類方法是以一對多的模式進行的，SVM（支持向量機）還支持通過建模功能與最小量的允許誤差的回歸。

這個配方演示了虹膜數據集上的SVM方法。

R中的支持向量機法：

# load the package

library(kernlab)

data(iris)

# fit model

fit

# summarize the fit

summary(fit)

# make predictions

predictions

# summarize accuracy

table(predictions, iris$Species)

詳細了解kernlab軟體包中的ksvm函數。（cran.r-project.org/web/packages/kernlab/index.html）

k-最近鄰

k-最近鄰（kNN）方法通過將相似案例定位到給定數據實例（使用相似性函數）並返回平均或大部分最相似的數據實例來做出預測。

這個配方演示了虹膜數據集上的kNN方法。

# load the package

library(caret)data(iris)

# fit model

fit

# summarize the fit

summary(fit)

# make predictions

predictions

# summarize accuracy

table(predictions, iris$Species)

詳細了解插入符包中的knn3函數。（https://cran.r-project.org/web/packages/caret/index.html）

樸素貝葉斯

樸素貝葉斯使用貝葉斯定理來模擬每個屬性與類變數的條件關係。

這個配方演示了基於虹膜數據集上的樸素貝葉斯。

R中的樸素貝葉斯：

# load the package

library(caret)

data(iris)

# fit model

fit

# summarize the fit

summary(fit)

# make predictions

predictions

# summarize accuracy

table(predictions, iris$Species)

詳細了解e1071軟體包中的naiveBayes功能。（cran.r-project.org/web/packages/e1071/index.html）

總結

在這篇文章中，您使用虹膜花數據集找到了R中的非線性分類的8種方法。

每種方法都是通用的，可供您複製，粘貼和修改您自己的問題。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！