nnet包执行单隐层前馈神经网络， nnet（） 函数涉及的主要参数有隐层

节点数（size） 、 节点权重（weights） 、 最大迭代次数（maxit） 等， 为了达

到最好的分类效果， 这些都是需要用户根据经验或者不断地尝试来确定的；

随机森林分类器利用基于Breiman随机森林理论的R语言软件包randomForest

中的randomForest（） 函数来实现， 需要设置三个主要的参数： 森林中决策

树的数量（ntree） 、 内部节点随机选择属性的个数（mtry） 及终节点的最小

样本数（nodesize） 。

支持向量机分类器采用R语言软件包e1071实现， 该软件包是以台湾大

学林智仁教授的LIBSVM源代码为基础开发的。 svm（） 函数提供了R与

LIBSVM的接口， 涉及的参数主要有类型（type， “C”实现支持向量机分

类， “eps-regression”实现支持向量机回归） 、 核函数（kernel） 。 SVM包含

了4种主要的核函数： 线性核函数（Linear） 、 多项式核函数

（Polynomial） 、 径向基核函数（RBF） 以及Sigmoid核函数。 一般情况下会

选择径向基核函数， 这主要源于： 其一， 线性核函数只能处理线性关系， 且

被证明是径向基核函数的一个特例； 其二， Sigmoid核函数在某些参数上近

似径向基核函数的功能， 径向基核函数取一定参数也可得到Sigmoid核函数

的性能； 其三， 多项式核函数参数较多， 不易于参数优选。 而径向基核函数

支持向量机包含两个重要的参数： 惩罚参数Cost和核参数Gamma， tune（）

函数可以对两者进行网格寻优（Grid-search） 确定最优值。