[問題] 在SVM取得分類界線（decision boundary）

[clsmbstu ()]

[問題類型]:
程式諮詢(我想用R做某件事情，但是我不知道要怎麼用R寫出來)

[軟體熟悉度]:
使用者(已經有用R做過不少作品)

[問題敘述]:
我有一個類別變數，有四個levels，
表達該列的受試者為年輕或老年、男性或女性。（YM、YF、OM、OF）
另有六個從0到8的測驗九點量表分數（可以想成是同一個測驗裡的不同題）。

我想達到的目的是讓SVM學習如何分辨這四個群體的表現，
進而告訴我這四個群體的差別（decision boundary）在哪。
更精確地說，我希望有個東西可以量化這四個群組的表現，
例如老年男性在這六題較其它三組給出較高的分數，
老年女性只在第一題稍高但其他都偏低，等等。

原本MANOVA再做事後分析應該就能解決這個問題，
但是六題每一題的分數在受試者間給出的都不是常態分佈，
所以目前嘗試用SVM解決...
或是大家有更好的辦法嗎？

gamma和cost的選擇已經調整過，選擇表現最佳者，
cross-validation也有做，
機器學習的結果已經確認是有效的，但我即使用str去看做出來的模型，
還是不知道decision boundary放在哪裡。

[程式範例]:
svm.model <- svm(Subject_AgeSex ~ X1 + X2 + X3 + X4 + X5 + X6,
                 data = train.data,
                 scale = FALSE, cost = 64, gamma = 0.05, cross = 10)

[環境敘述]:
R version 3.3.2 (2016-10-31)
Platform: x86_64-apple-darwin13.4.0 (64-bit)
Running under: OS X El Capitan 10.11.6

locale:
[1] zh_TW.UTF-8/zh_TW.UTF-8/zh_TW.UTF-8/C/zh_TW.UTF-8/zh_TW.UTF-8

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base

other attached packages:
[1] ggplot2_2.2.0 e1071_1.6-7

loaded via a namespace (and not attached):
 [1] colorspace_1.3-2 scales_0.4.1     assertthat_0.1   lazyeval_0.2.0
 [5] plyr_1.8.4       class_7.3-14     tools_3.3.2      gtable_0.2.0
 [9] tibble_1.2       Rcpp_0.12.8      grid_3.3.2       munsell_0.4.3

[關鍵字]:
SVM

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.121.113
※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1484106227.A.28D.html
※ 編輯: clsmbstu (140.112.121.113), 01/11/2017 13:22:26
※ 編輯: clsmbstu (140.112.121.113), 01/11/2017 13:24:49
→ clsmbstu: 編輯內容：補充問題敘述與分析目的
→ andrew43: 用predict(svm_model, dt) 其中 dt 中先放很密的數列
這樣的話，我只能不斷透過嘗試去尋找它在每一種狀況下的邊界囉？
例如說：
newdata <- as.data.frame(matrix(rep(seq(0, 8, 0.01), times = 6),
                                nrow = length(seq(0, 8, 0.01)), ncol = 6))
names(newdata) <- paste("X", 1:6, sep = "")
predict(svm.model, newdata)
這種狀況是X1 ~ X6同步變動，
如果想看其中之一/之二比較高的狀況，
就要自行調整newdata的內容，我有理解錯嗎？謝謝！
※ 編輯: clsmbstu (140.112.121.113), 01/11/2017 15:50:18
→ andrew43: 我覺得是這樣。和你一樣在str(svm_model)找不到解。
推 vennu: 用mds降維，然後把4類結果用不同顏色標上去，再把sv畫上去
→ vennu: 。試試……