svm

1.準備輸入數(shù)據(jù)

load("TCGA-KIRC_sur_model.Rdata")
library(ROCR)
library(genefilter)
library(Hmisc)
library(e1071)

2.構(gòu)建支持向量機模型

2.1.切割數(shù)據(jù)

用R包caret切割數(shù)據(jù)，生成的結(jié)果是一組代表列數(shù)的數(shù)字，用這些數(shù)字來給表達矩陣和meta取子集即可。

library(caret)
set.seed(12345679)
sam<- createDataPartition(meta$event, p = .5,list = FALSE)

train <- exprSet[,sam]
test <- exprSet[,-sam]
train_meta <- meta[sam,]
test_meta <- meta[-sam,]

2.2 train數(shù)據(jù)集建模

x=t(train)
y=as.factor(train_meta$event)
model = svm(x,y,kernel = "linear")
summary(model) 
#> 
#> Call:
#> svm.default(x = x, y = y, kernel = "linear")
#> 
#> 
#> Parameters:
#>    SVM-Type:  C-classification 
#>  SVM-Kernel:  linear 
#>        cost:  1 
#> 
#> Number of Support Vectors:  176
#> 
#>  ( 108 68 )
#> 
#> 
#> Number of Classes:  2 
#> 
#> Levels: 
#>  0 1

2.3.模型預測

用訓練集構(gòu)建模型，預測測試集的生死。不同于其他模型，這個預測結(jié)果是分類變量，直接預測生死，而不是prob。

x=t(test)
y=as.factor(test_meta$event)
pred = predict(model, x)
table(pred,y)
#>     y
#> pred   0   1
#>    0 142  47
#>    1  41  28

*生信技能樹課程筆記