我使用e1071包创建了一个预测两个类别的线性模型。现在我可以预测类别，但我也想知道每个预测到决策超平面的距离。

以下代码用于对iris数据进行子集划分，创建训练集和预测集：

# 数据应有2个因子，以便只有一个超平面
iris.subset <- subset(iris, iris$Species %in% c("versicolor", "virginica"))
iris.subset$Species <- as.factor(as.character(iris.subset$Species))
# 随机抽样用于训练数据
training.data <- iris.subset[sample(1:nrow(iris.subset), 50, replace=FALSE),]
# 剩余样本构成预测数据
prediction.data <- iris.subset[!(rownames(iris.subset) %in% rownames(training.data)),]

以下代码用于拟合模型：

require(e1071)
svmfit <- svm(Species~., data=training.data, kernel="linear")

从预测集中预测5个样本：

predict(svmfit, prediction.data[sample(1:nrow(prediction.data), 5, replace=FALSE),])

这让我得到了类别。现在，我想要计算这些点到超平面的距离。我该怎么做？

这里有一个类似但未回答的问题，不过是在Matlab中。这里是另一个可能有帮助的页面，但同样是在Matlab中。

回答：

你可以从预测中获取决策值，方法如下：

dd <- prediction.data[sample(1:nrow(prediction.data), 5, replace=FALSE),]
pred <- predict(svmfit, dd, decision.value=T)
pred #        112        139         87        108         70 
#  virginica  virginica versicolor  virginica versicolor 
# attr(,"decision.values")
#     virginica/versicolor
# 112            1.9830355
# 139            0.4160704
# 87            -1.2680673
# 108            2.7181950
# 70            -2.6954507

这些值以属性的形式返回。你可以更直接地访问数据，方法如下：

attr(pred, "decision.values")

这将返回一个值矩阵。

如需更多信息，你可以阅读?predict.svm的帮助页面