Làm thế nào để có được ranh giới quyết định từ SVM tuyến tính trong R?

Tôi đang cần một gói có thể cho tôi phương trình cho mô hình SVM tuyến tính. Hiện tại tôi đang sử dụng e1071 như vậy:

library(e1071)
m = svm(data, labels, type='C', kernel='linear', cost=cost, probability=FALSE, scale=scale)
w = t(m$coefs) %*% data[m$index,]  #Weight vector
b = -model$rho #Offset

Tuy nhiên, tôi không chắc chắn làm thế nào để e1071::svm()chọn các lớp tích cực và tiêu cực, vì vậy tôi nghĩ rằng điều này có thể làm hỏng với các bộ dữ liệu khác nhau. Bất cứ ai cũng có thể xác nhận làm thế nào chức năng này quyết định lớp nào là tích cực và cái nào là tiêu cực?

Ngoài ra, có một gói tốt hơn cho điều này?

$x$$d$

d <- sum(w * x) + b

$d > 0$$x$$+1$$-1$newdata

predict(m, newdata)

hoặc là

predict(m, newdata, decision.values = TRUE)

Hãy thận trọng khi sử dụng SVM từ gói e1071, xem Sự cố với e1071 libsvm? câu hỏi Một số gói SVM khác cho R là kernlab, klaR và svmpath, xem tổng quan này: Support Vector Machines in R của A. Karatzoglou và D. Meyer.