基于R语言e1071包的SVM：如何为近期数据赋予更高权重？

嘿，很高兴能帮你解决这个SVM项目里的时间权重问题！结合你用R的e1071包的场景，我整理了几个实用的方法，从简单到进阶，你可以根据自己的数据结构选合适的：

方法1：直接给近期特征加权（新手友好） #

如果你的数据集是宽格式（每行对应一个客户，每列是某周某商品的购买标记），最直接的方式就是给最近几周的特征列乘以一个更大的权重，让模型在训练时更关注这些近期数据。

比如假设你的数据里，前50列是第1周的50种商品购买情况，接下来50列是第2周……最后50列是第52周的。你可以给最近4周（对应下月的周期）的特征乘以2，更早的乘以0.5：

library(e1071)

# 假设特征列是1到52*50，标签列是最后一列
feature_cols <- 1:(52*50)
label_col <- ncol(df)

# 定义周权重：前48周权重0.5，最近4周权重2
week_weights <- c(rep(0.5, 48), rep(2, 4))
# 每个周的50个商品特征用相同权重
feature_weights <- rep(week_weights, each = 50)

# 对特征做加权处理
weighted_features <- df[, feature_cols] * feature_weights
weighted_df <- cbind(weighted_features, df[, label_col])

# 训练SVM模型
svm_model <- svm(V52*50+1 ~ ., data = weighted_df, kernel = "radial")

这种方式的好处是实现简单，不需要改模型逻辑，通过特征缩放直接传递时间权重的优先级。

方法2：样本加权（适合按周组织的数据集） #

如果你的数据是长格式（每行是一个客户某一周的购买记录，标签是该客户下月的购买情况），那可以用e1071包的weights参数给近期的样本赋予更高权重。

比如给第52周的样本权重设为2，第1周设为0.1，中间周按线性递增：

library(e1071)
library(dplyr)

# 假设数据里有week列（1=最早，52=最近）和label列
df <- df %>% mutate(sample_weight = (week / 52) * 2)

# 训练时指定样本权重
svm_model <- svm(label ~ ., data = df, kernel = "radial", weights = df$sample_weight)

这样模型在计算损失时，会更重视近期样本的预测误差，自然让近期行为对结果影响更大。

方法3：时间衰减特征工程（更优雅的维度压缩） #

另一种思路是把52周的原始特征压缩成每个商品的时间衰减加权值——比如对每个客户的每种商品，计算过去52周的购买记录的加权和，越近的周权重越高（用指数衰减公式）。

这样既能减少特征维度（从52×50降到50个特征），又天然体现了近期数据的重要性：

library(e1071)
library(tidyr)
library(dplyr)

# 把宽格式转成long格式：customer_id, week, item, purchased
long_df <- df %>% 
  pivot_longer(cols = starts_with("week"), 
               names_to = c("week", "item"), 
               names_sep = "_",
               values_to = "purchased") %>%
  mutate(week = as.integer(sub("week", "", week)))

# 定义衰减系数lambda（越大，近期权重越高，比如设0.1）
lambda <- 0.1
t0 <- 52  # 当前是第52周

# 计算每个客户每个商品的时间衰减加权购买值
decayed_features <- long_df %>%
  group_by(customer_id, item) %>%
  summarise(decayed_purchase = sum(purchased * exp(-lambda*(t0 - week))), .groups = "drop") %>%
  pivot_wider(names_from = item, values_from = decayed_purchase)

# 合并标签列（假设原始数据有customer_id和label列）
final_df <- merge(decayed_features, df[, c("customer_id", "label")], by = "customer_id")

# 训练SVM
svm_model <- svm(label ~ ., data = final_df, kernel = "radial")

这种方法特别适合用户行为数据，因为它把时间维度的信息整合到了每个商品的特征里，模型学习起来更高效。

方法4：自定义时间加权核函数（进阶玩法） #

如果你对SVM的核函数有了解，可以自定义一个带时间权重的核函数，让模型在计算样本相似度时更看重近期特征的匹配情况。比如在径向基核（RBF）中，给近期特征的距离赋予更小的权重（也就是相似度更高）：

library(e1071)

# 定义带时间权重的RBF核
weighted_rbf <- function(x, y) {
  gamma <- 0.1  # 常规RBF核的gamma参数
  # 前48周特征权重0.5，最近4周权重2
  w <- c(rep(0.5, 48*50), rep(2, 4*50))
  diff <- x - y
  exp(-gamma * sum(w * diff^2))
}

# 用自定义核训练SVM
svm_model <- svm(label ~ ., data = df, kernel = weighted_rbf)

这个方法的灵活性很高，但需要花时间调参（gamma和权重w），适合有一定SVM基础的用户。

小建议 #

• 新手优先试特征加权或时间衰减特征工程，上手快效果稳；
• 要是你的数据是按周样本组织的，样本加权最直接；
• 不管用哪种方法，都建议交叉验证调参，比如调整权重系数或lambda值，找到最优的时间衰减程度。

内容的提问来源于stack exchange，提问作者dieror