R语言机器学习系列：支持向量机（SVM）多分类

R语言机器学习系列：支持向量机（SVM）多分类

支持向量机（Support Vector Machine，简称SVM）是一种常用的机器学习算法，适用于二分类和多分类问题。在本文中，我们将重点讨论如何在R语言中使用SVM进行多分类任务。我们将介绍SVM的原理，并提供相应的R代码示例。

SVM的原理
SVM是一种监督学习算法，其目标是将样本点映射到一个高维特征空间，并找到一个最优的超平面，使得不同类别的样本点能够被最大化地分开。在多分类问题中，SVM可以通过一对多（One-vs-Rest）或一对一（One-vs-One）的策略进行扩展。

一对多策略（One-vs-Rest）是指对于每个类别，将其余类别的样本点作为负例，该类别的样本点作为正例，训练出一个二分类模型。对于新的样本点，通过多个二分类模型的预测结果来确定其所属的类别。

一对一策略（One-vs-One）是指对于每两个类别，训练一个二分类模型。对于新的样本点，通过多个二分类模型的投票结果来确定其所属的类别。

代码示例
下面是使用R语言中的e1071包实现SVM多分类的示例代码：

# 安装和加载所需的包
install.packages("e1071")
library(e1071)

# 创建一个示例数据集
data(iris)

# 将数据集划分为训练集和测试集
set.seed(123)
trainIndex <- sample(1:nrow(iris), 0.7*nrow(iris))
trainData <- iris[trainIndex, ]
testData <- iris[-trainIndex, ]

#