我在R语言方面是新手，请帮助我理解哪里出了问题。我试图预测一些数据，但predict函数返回的对象（这是一个奇怪的类（因子））包含的数据很少。测试集大小为5886个观测值，160个变量，而predict对象的长度是110… 我期望得到一个预测类别的向量或数据框。我理解错什么了吗？

library(MASS)library(e1071)set.seed(333)data <- read.csv(file="D:\\MaсhLearningAssign\\pml-training.csv", head=TRUE, sep=",")index <- 1:nrow(data)testindex <- sample(index, trunc(length(index)*30/100))train <- data[-testindex, ]test <- data[testindex, ]model  <- svm(classe~., data = train, kernel="radial", gamma=0.001, cost=10)prediction <- predict(model, test)summary(prediction)Output:    A  B  C  D  E     28 24 25 12 22 

数据集在这里

回答：

svm无法处理缺失的观测值，而你的数据集中充满了NA值：

> dim(data[complete.cases(data), ])[1] 406 160

你可以尝试删除包含NA值的列，然后再训练svm

> data <- data[, which(colSums(apply(data, 2, is.na)) == 0)]> dim(data)[1] 19622    93

现在你可以尝试分割你的数据并拟合svm。不过要小心。数据集仍然相当大，而svm对资源消耗较大。

提示：我查看了你的数据，如果它是我认为的那样，请务必仔细阅读数据集描述。你有两种完全不同的行类型。这不仅能解释NA值的丰富性，还能提供一个有助于预测的想法，考虑到你的测试集。