主讲老师第五十五课：支持向量机模型
机器学习在生信分析中存在三大经典模型，分别是 LASSO 模型，随机森林模型和支持向量机模型（svm.zip）。在前面的内容中，我们分别介绍了 LASSO 模型和随机森林模型的构建方法，最后，我们来讲一下支持向量机的使用。支持向量机（Support Vector Machine,SVM），最早提出于 1964 年，是监督学习中的一类，SVM 的基本原理是基于一个分离超平面，将数据集准确的进行划分，且将该平面的几何间隔最大化，因此，对于一个线性可分的数据集而言，尽管线性可分离平面存在无穷多个，但几何间隔最大的分离超平面是唯一的。
目前，SVM 主要应用于人像识别，分类等场景中，下面，我们一起来看一下支持向量机模型的构建过程。
1.R 包的安装与读取
同样的，支持向量机也有其相应的 R 包，e1071 包是用于进行支持向量机分析的 R 包， 尽管名字看似简单，但内部包含了多种功能强大的相关函数，包括模型优化的 tune.svm()函数，以及一些核函数，使用起来简单方便。
2.数据读取与处理
与随机森林模型分析一样，首先需要对读取的表达数据和临床相关数据进行整理和查看。
在表达矩阵中，行名为患者编号，列名为不同的基因名称，而临床数据则纳入了患者的生存时间（futime）和生存状态（fustat）两个变量同样，我们将所有的患者按 7：3 的比例，分成了训练组和验证组两群，分别用于支持向量机模型的构建和验证作用
3.使用 trainee 数据集建立支持向量机模型
使用 e1071 包构建 SVM 模型，先从线性支持向量机，然后转入非线性模型基于 e1071 包中的 tune.svm()函数，我们可以通过交叉验证，对相关的调优参数和核函数进行选择，从而达到最优最优成本函数 cost 为 0.001，这时的误分类误差率差不多为 18.28%，低于其他几个模型的误差率。
选择最优的模型进行最终的模型用于后续的验证分析。
4.模型验证及其可视化
关于模型的验证，我们还是使用箱型图核 ROC 曲线来进行可视化展示
4.1 使用 trainee 数据集进行验证
使用 predict()函数来进行模型的应用。
4.2 使用 testee 数据集进行验证
根据上述的两个结果，我们可以发现，无论在训练组还是验证组中，模型均展现了较好的区分度。
4.3 训练组的 ROC 曲线
4.4 验证组的 ROC 曲线
可以发现，无论在训练组还是验证组中，SVM 模型均展示出了良好的区分能力，其中AUC 值分别为
0.937 和 0.792。
5.使用 trainee 数据集建立支持向量机模型
接着，我们来看看非线性模型能否表现的更好，当然依然使用交叉验证选择调优参数，在此，我们需要测试的核函数是多项式核函数，包括两个调优参数，分别为多项式的阶（degree）和核函数（coef0）。
设定多项式的阶是 3，4 和 5，核系数则从 0.1 逐渐增加到 4，从而进行建模。
模型选择的多项式的阶数为 5，核系数为 0.1 时，模型表现最佳。
选取最佳模型用于后续分析
6.模型验证及其可视化
和线性 SVM 模型一样，可以使用这些参数在验证组中进行预测和评价
6.1 使用 testee 数据集进行验证
6.2 验证组的 ROC 曲线
通过比较，我们可以发现，在 AUC 值上，两个模型的预测效能基本相似，非线性模型并没有展示更好的预测能力，当然，在实际应用中，大家可以根据结果对两个模型进行选择，没有绝对的优劣之分，只是看在当前数据集中，哪个更加的合适