在R中训练SVM模型后，如何获取超平面两侧的数据集？

你可以通过SVM模型的**决策值（decision values）**来区分样本在超平面的哪一侧——决策值的正负对应超平面的两侧，和分类结果直接对应。以下是完整实现步骤：

步骤1：获取样本的决策值 #

使用predict()函数并开启decision.values=TRUE参数，得到每个样本到超平面的带符号距离（正负代表两侧）：

# 获取训练集样本的决策值（带符号，正负对应超平面两侧）
pred_results <- predict(fit_7, training_set_7, decision.values = TRUE)
# 提取决策值向量
decision_vals <- attr(pred_results, "decision.values")

步骤2：分割数据集 #

根据决策值的正负，将原始训练集拆分为两个子集：

# 超平面一侧（决策值>0）的样本
subset_pos <- training_set_7[decision_vals > 0, ]
# 超平面另一侧（决策值<0）的样本
subset_neg <- training_set_7[decision_vals < 0, ]

注：如果存在决策值为0的样本（刚好落在超平面上），可根据需求单独处理，比如归入其中一侧或丢弃。

步骤3：保存为CSV文件 #

使用write.csv()函数将两个子集导出为CSV：

# 保存正侧样本
write.csv(subset_pos, "svm_subset_positive.csv", row.names = FALSE)
# 保存负侧样本
write.csv(subset_neg, "svm_subset_negative.csv", row.names = FALSE)

补充说明 #

如果你想直接用分类结果（而非决策值）分割样本，也可以用pred_results的分类标签筛选，代码类似：

# 按分类标签分割（需替换成你的Heatwave变量实际类别）
subset_class1 <- training_set_7[pred_results == "你的类别1", ]
subset_class2 <- training_set_7[pred_results == "你的类别2", ]

内容的提问来源于stack exchange，提问作者rpsparv