{{category R}}
!!!SVM: Support Vector Machine サポートベクターマシーン
*分類には、境界部分のデータポイントに注目
*できるだけ距離を置いて分けられる方が良いという発想
{{pre
install.packages("kernlab", dependencies = T)
library(kernlab)
}}

!サンプリングの方法（トレーニングデータとテストデータの二種類のデータセットの作成）
{{pre
rnd.number <- sample(全体の数,ランダムサンプルする数)
training.data <- data.frame[rnd.number, ]
test.data     <- data.frame[-rnd.number, ]
}}

!SVM関数

 ksvm(分類カテゴリ~説明変数, data=データフレーム, kernel="使用するカーネル関数", kpar=パラメタ)
*これでモデルを作って、predictでテストデータを使って試す
*もしくは、オプションで交差検証法を使う
**  cross=交差検証法の回数

*カーネル関数
**vanilladot 線形カーネル
**polydot 多項式カーネル
***kpar=list(degree=2) で2乗の多項式
**rbfdot ガウシアンカーネル
***kpar=list(sigma=1) sigmaが大きいと細かく複雑になる
!!References
https://www.cis.doshisha.ac.jp/mjin/R/31/31.html