如何在R的e1071库SVM模型中识别超平面最远的误分类样本

我正在用R语言的e1071库训练SVM模型，数据集包含790个样本和18710个预测变量，目标是找出被模型误分类且距离SVM超平面最远的样本。

训练模型的代码 #

best_model <- list(
    model = svm(x = omicDataReduced[, -which(colnames(omicDataReduced) == classVariable)],
                y = omicDataReduced[[classVariable]],
                kernel = best_kernel,
                cost = best_C,
                probability = TRUE,
                decision.values = TRUE),
    error = best_error,
    cost = best_C,
    kernel = best_kernel
  )

核心问题与现有代码 #

我已明确可通过decision.values属性获取样本到超平面的距离，当前需要解决的是如何检查样本是否处于间隔之外。目前已有的误分类样本筛选代码如下：

pred <- predict(best_model$model, omicDataReduced[, -which(colnames(omicDataReduced) == classVariable)], decision.value=T)

decision_values <- attr(pred, "decision.values")

misclassified_indices <- which(as.numeric(pred) != as.numeric(omicDataReduced[[classVariable]]))

misclassified_decision_values <- abs(decision_values[misclassified_indices])

selected_indices <- misclassified_indices[order(misclassified_decision_values, decreasing = TRUE)][1:round(diagnosticChangeProbability * length(misclassified_indices))]

检查样本是否处于间隔之外的方法 #

在SVM的标准化定义中，间隔边界对应决策值的绝对值等于1的位置：

• abs(decision_values) > 1：样本处于间隔之外，这类样本被模型赋予了较高的分类信心（若为误分类，说明模型对该样本的判断错误且信心强烈）
• abs(decision_values) < 1：样本处于间隔之内，属于靠近超平面的样本，包含所有支持向量
• abs(decision_values) == 1：样本刚好落在间隔边界上

结合需求，可在现有代码基础上加入筛选逻辑，精准定位误分类且处于间隔之外的样本：

# 提取误分类样本的决策值
misclassified_dv <- decision_values[misclassified_indices]

# 筛选误分类且处于间隔之外的样本索引
misclassified_outside_margin <- misclassified_indices[abs(misclassified_dv) > 1]

# 按距离超平面由远及近排序
sorted_outside_margin <- misclassified_outside_margin[order(abs(misclassified_dv[abs(misclassified_dv) > 1]), decreasing = TRUE)]

# 按比例选取目标样本
selected_indices <- sorted_outside_margin[1:round(diagnosticChangeProbability * length(sorted_outside_margin))]

内容的提问来源于stack exchange，提问作者José Adrián Pardo Pérez