d <- read.csv('https://stats.dip.jp/01_ds/data/heart.data.csv')[, -1]
DT::datatable(round(d,1))
COL <- c(rgb(255, 0, 0, 105, max = 255), # 赤
rgb( 0, 0, 255, 105, max = 255), # 青
rgb( 0, 155, 0, 105, max = 255), # 緑
rgb(100, 100, 100, 55, max = 255)) # 灰
library(e1071)
KERNEL <- c('linear', # 線形
'polynomial', # 多項式
'sigmoid', # シグモイド
'radial') # ガウス
k <- 1
cv <- tune('svm', heart.disease ~ smoking, data = d,
kernel = KERNEL[k], type = 'eps-regression',
ranges = list(#gamma = 2^(-4:4), # radialなどの非線形カーネルを使うとき調整
epsilon = seq(0, 2, 0.1), # polynomialかsigmoidのとき調整（c0）
#coef0 = 2^(-4:4), # SVRの不感帯の調整
cost = 2^(-4:4))) # コスト係数（小さいほど分類誤りを許容）
cv
##
## Parameter tuning of 'svm':
##
## - sampling method: 10-fold cross validation
##
## - best parameters:
## epsilon cost
## 1.7 1
##
## - best performance: 18.83385
x.new <- seq(0, 100, 0.1)
yhat <- predict(cv$best.model, newdata = data.frame(smoking = x.new))
epsilon <- cv$best.model$epsilon * cv$best.model$y.scale$`scaled:scale`
upr <- yhat + epsilon
lwr <- yhat - epsilon
matplot(x = d$smoking, y = d$heart.disease,
type = 'p', pch = 1, col = COL[1],
main = paste0('SVR（カーネル：', KERNEL[k], '，ε：', round(epsilon, 2), '）'),
xlab = '喫煙割合（％）',
ylab = '心臓病の人口割合（％）')
# サポートベクター
sv <- d[cv$best.model$index, c('smoking', 'heart.disease')]
matpoints(x = sv[, 1], y = sv[, 2], pch = 16, cex = 0.5, col = 1)
# 境界線とマージン（ε）
matlines(x = x.new, y = yhat, col = COL[2], lwd = 2)
matlines(x = x.new, y = upr, col = COL[2], lty = 3)
matlines(x = x.new, y = lwr, col = COL[2], lty = 3)
arrows(0, yhat[1], 0, upr[1], code = 3, length = 0.1)
arrows(0, yhat[1], 0, lwr[1], code = 3, length = 0.1)
library(latex2exp)
text(1, (yhat[1]+upr[1])/2, labels = TeX('$\\epsilon$'))
text(1, (yhat[1]+lwr[1])/2, labels = TeX('$\\epsilon$'))
legend('topright',
col = c(COL[1], 1, COL[2], COL[2]), pch = c(1, 16, NA, NA),
lwd = c(1, 0.5, 2, 1),
lty = c(NA, NA, 1, 3),
border = F, bg = 'white',
legend = c('人口割合', 'サポートベクター', '予測値', '境界線'))
n <- 24*7*2 # 時間数
t <- 1:n + rnorm(n) # 時刻
set.seed(5)
f <- function(t) 100 + 0.1*t + 0.02*t^2 + 100*sin(2*pi*t/24)
y <- f(t) + rnorm(n, sd = 5)
d0 <- data.frame(t, y)
DT::datatable(round(d0,1))
matplot(x = d0$t, y = d0$y, type = 'o', pch = 16, col = COL[1],
main = 'テストデータ', xlab = '時間', ylab = '値')
grid()
matlines(x = t, y = f(t), col = COL[2])
legend('topleft',
col = COL[1:2], pch = c(16, NA), lty = c(NA, 1),
legend = c('観測値', '真値'))
library(plotly)
## 要求されたパッケージ ggplot2 をロード中です
##
## 次のパッケージを付け加えます: 'plotly'
## 以下のオブジェクトは 'package:ggplot2' からマスクされています:
##
## last_plot
## 以下のオブジェクトは 'package:latex2exp' からマスクされています:
##
## TeX
## 以下のオブジェクトは 'package:stats' からマスクされています:
##
## filter
## 以下のオブジェクトは 'package:graphics' からマスクされています:
##
## layout
plot_ly(type = "scatter", mode = "markers") |>
add_trace(x = d0$t, y = d0$y, mode = 'markers', name = "観測値", marker = list(color = COL[1])) |>
add_trace(x = t, y = f(t), mode = 'lines', name = "真値", line = list(color = COL[2])) |>
layout(title = "テストデータ",
xaxis = list(title = "時間"),
yaxis = list(title = "値"))
library(e1071)
KERNEL <- c('linear', # 線形
'polynomial', # 多項式
'sigmoid', # シグモイド
'radial') # ガウス
k <- 4
cv <- tune('svm', y ~ t , data = d0,
kernel = KERNEL[k], type = 'eps-regression',
ranges = list(gamma = 10^(1:2), # radialなどの非線形カーネルを使うとき調整
epsilon = 10^(-2:0), # polynomialかsigmoidのとき調整（c0）
#coef0 = 2^(-4:4), # SVRの不感帯の調整
cost = 2^(-4:4))) # コスト係数（小さいほど分類誤りを許容）
cv
##
## Parameter tuning of 'svm':
##
## - sampling method: 10-fold cross validation
##
## - best parameters:
## gamma epsilon cost
## 100 0.01 16
##
## - best performance: 53.32335
x.new <- seq(0, 350, 0.1)
yhat <- predict(cv$best.model, newdata = data.frame(t = x.new))
epsilon <- cv$best.model$epsilon * cv$best.model$y.scale$`scaled:scale`
upr <- yhat + epsilon
lwr <- yhat - epsilon
matplot(x = d0$t, y = d0$y,
type = 'p', pch = 1, col = COL[1],
main = paste0('SVR（カーネル：', KERNEL[k], '，ε：', round(epsilon, 2), '）'),
xlab = '自転車通勤の割合（％）',
ylab = '心臓病の人口割合（％）')
# サポートベクター
sv <- d0[cv$best.model$index, c('t', 'y')]
matpoints(x = sv[, 1], y = sv[, 2], pch = 16, cex = 0.5, col = 1)
# 境界線とマージン（ε）
matlines(x = x.new, y = yhat, col = COL[2], lwd = 2)
matlines(x = x.new, y = upr, col = COL[2], lty = 3)
matlines(x = x.new, y = lwr, col = COL[2], lty = 3)
arrows(0, yhat[1], 0, upr[1], code = 3, length = 0.1)
arrows(0, yhat[1], 0, lwr[1], code = 3, length = 0.1)
library(latex2exp)
legend('topright',
col = c(COL[1], 1, COL[2], COL[2]), pch = c(1, 16, NA, NA),
lwd = c(1, 0.5, 2, 1),
lty = c(NA, NA, 1, 3),
border = F, bg = 'white',
legend = c('人口割合', 'サポートベクター', '予測値', '境界線'))
