Kernel-PCA, KPCA: intégrer de nouvelles données, erreur

Question

Je veux appliquer le KPCA sur mes données d'entraînement avant de le passer à mon SVM qui semble fonctionner correctement avec kernlab. Ensuite, je veux intégrer mes tests dans le nouvel espace afin de faire des prédictions avec mon SVM. Le documentaire recommande d'utiliser la fonction de prédire, ce qui me donne une erreur:

dataTrain=as.xts(data) 
    inputTrain=dataTrain[1:settings$windowTrain,1:ncol(dataTrain)-1] 
    outputTrain=dataTrain[1:settings$windowTrain,ncol(dataTrain)] 
    kpcaa=kpca(x=inputTrain,data=NULL,kernel="rbfdot",kpar=list(sigma=0.01)) 
    inputTrain=kpcaa@pcv 
    predict(object = kpcaa,newdata=inputTest) 

predict(object = kpcaa,newdata=inputTest) 
Error in .local(object, ...) : 
    unused argument (newdata = c(0.00065527734617099, -0.00281135973754587, 0.00121922641129046, -0.00356807890285626, 0.00140997344409755, 0.000281756282681123, 0.000657122764787132, -0.000469329337005497, -0.000187793427781635, 0.00046941746156115, -0.000751173744242273, 0.000281756282681123, 0.000187793427781635, -0.000469549710462758, 0.000751173744242273, 0.00140693171451645, -0.000937734502324261, -0.000469197212192185, 0.00112570368360299, -0.0014073277173825, 0.0014073277173825, -0.00112570368360299, 
0.000656814473530609, -0.00253580788619168, 0.00187899341266107, -0.00310223515540553, 0.00282061112162602, 0.00121979841537989, -0.00150150178359798, 0.000469461536250826, -0.00140904630893512, -0.000188022939352273, -0.000470212074305643, -0.000282233408900545, 0.00094046842255846, -0.000188022939352273, -0.000470212074305643, -0.000470433277716786, 0.00234995643227709, 0.000938438507310124, 0.000937558666089799, 0.0034613440236777, 0.00493736156014979, 0.00046453292050951 

Est-ce que quelqu'un peut me aider avec celui-ci? Merci!

Answer 1

Heureusement, j'ai trouvé qu'il y avait une erreur dans le code.

kpcaa=kpca(x=inputTrain,data=NULL,kernel="rbfdot",kpar=list(sigma=0.01)) 

doit être quelque chose comme ...

kpcaa=kpca(~.,data=inputTrain,...)