支持向量机递归特征消除(简称SVM-RFE)是由Guyon等人在对癌症分类时提出来的，最初只能对两类数据进行特征提取。它是一种基于Embedded方法。支持向量机广泛用于模式识别，机器学习等领域，SVM采用结构风险最小化原则，同时最小化经验误差，以此提高学习的性能。

小编最近发现已有部分研究将SVM-RFE算法应用于生信文章，如下图。这篇影响因子 > 5分简单纯生信文章。 

但是具体要如何实现呢？今天，小编以代码提供的数据为例进行说明。

代码具体包括：（文末付费后领取）

此代码需基于服务器运行，本地电脑运行大约需2-3天，因此购买代码的同学可以联系小编免费获取3天服务器试用账号。

Step1：输入数据并构建SVM-RFE模型

Step2：训练svm分类器和交叉验证

Step3：计算错误率和准确率并绘图

下面是代码中附带数据逐步分析结果：

 svm-error图

svm-accuracy图

神奇吧，就是如此简单，我们用的都是入门级函数，稍微懂点R语言就能实现。