如何从R中的线性SVM获取决策边界？

我需要一个可以为我提供线性SVM模型方程式的软件包。目前，我正在像这样使用e1071：

library(e1071)
m = svm(data, labels, type='C', kernel='linear', cost=cost, probability=FALSE, scale=scale)
w = t(m$coefs) %*% data[m$index,]  #Weight vector
b = -model$rho #Offset

但是，我不确定如何e1071::svm()选择肯定和否定类，因此我认为这可能会使不同的数据集搞砸。谁能确认该函数如何确定哪个类别为正，哪个类别为负？

另外，有更好的包装吗？

对于数据点您的SVM通过以下方式计算决策值：$x$$d$

d <- sum(w * x) + b

如果则标签为，否则为。您还可以通过说出数据矩阵的标签或决策值$d > 0$$x$$+1$$-1$newdata

predict(m, newdata)

要么

predict(m, newdata, decision.values = TRUE)

使用软件包e1071中的SVM时要小心，请参阅e1071 libsvm出现问题？题。R的其他几个SVM软件包是kernlab，klaR和svmpath，请参阅此概述：A. Karatzoglou和D. Meyer撰写的R中的支持向量机。