原创力文档- 1、本文档共2页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
#源代码#R语言e1071包实现SVM分类器
暗香疏影
随着生物技术的发展，微阵列数据为诊断、治疗等
提供了前提和可能性。选择是诊断的基础，如何在维小
样本的表达数据中选择那些与疾病相关、对疾病分类有用的诊断
，保证诊断的有效性和可靠性，成为了一个具有性的课
题。目前应用最广泛的是利用支持向量机（supportvectormachine，SVM）
为分类器的方法，SVM是一种有效处理学习时小样本问题的方法，同
时对于样本少、数、非线性的数据处理是较好的方法，非常适应
于数据的分析。这里我们来介绍用R语言e1071包实现SVM分类
器。
代码如下所示
安装e1071包
source()
biocLite(e1071)
library(e1071)
A=read.table(e:/training1.txt,header=T)#导入表达谱文件，第一列为样
本类型的分类。
x-subset(A,select=-State)#设定需要做分类的表达谱数据的列——
除去State列
y-A[,1]#设定分类的列——State表示类别的一列
model-svm(x,y)#构建SVM分类模型
pred-predict(model,x)#用输入的训练数据进行分类模型的验证，用
pred-fitted(model)语句也是同等效果的
table(pred,y)#检验分类的结果
本文吗？欢迎加入云生信跟大家一起进步~
文档评论（0）