La classe SVM

(PECL svm >= 0.1.0)

Introduction

Synopsis de la classe

class SVM {
/* Constantes */
const int C_SVC = 0;
const int NU_SVC = 1;
const int ONE_CLASS = 2;
const int EPSILON_SVR = 3;
const int NU_SVR = 4;
const int KERNEL_LINEAR = 0;
const int KERNEL_POLY = 1;
const int KERNEL_RBF = 2;
const int KERNEL_SIGMOID = 3;
const int OPT_TYPE = 101;
const int OPT_KERNEL_TYPE = 102;
const int OPT_DEGREE = 103;
const int OPT_SHRINKING = 104;
const int OPT_PROPABILITY = 105;
const int OPT_GAMMA = 201;
const int OPT_NU = 202;
const int OPT_EPS = 203;
const int OPT_P = 204;
const int OPT_COEF_ZERO = 205;
const int OPT_C = 206;
const int OPT_CACHE_SIZE = 207;
/* Méthodes */
public __construct()
public svm::crossvalidate(array $problem, int $number_of_folds): float
public getOptions(): array
public setOptions(array $params): bool
public svm::train(array $problem, array $weights = ?): SVMModel
}

Constantes pré-définies

Constantes SVM

SVM::C_SVC

Le type SVM C_SVC basique. C'est le type par défaut, et un bon point de départ.

SVM::NU_SVC

Le type NU_SVC utilise une pondération différente, plus souple des erreurs.

SVM::ONE_CLASS

Une type de classe SVM. S'entraîne sur une seule classe, en utilisant les valeurs aberrantes comme des exemples négatifs.

SVM::EPSILON_SVR

Un type SVM pour la régression (prédiction d'une valeur plutôt que seulement une classe).

SVM::NU_SVR

Un type NU de régression SVM.

SVM::KERNEL_LINEAR

Un noyau très simple, pouvant fonctionner correctement sur un large document de problèmes de classification.

SVM::KERNEL_POLY

Un noyau polynôme.

SVM::KERNEL_RBF

Un noyau Gaussien RBD commun. Gère parfaitement les problèmes non linéaires, et est un bon noyau par défaut pour la classification.

SVM::KERNEL_SIGMOID

Un noyau basé sur la fonction sigmoïde. Son utilisant rend SVM très similaire à une interface sigmoïde basée sur un réseau neutre.

SVM::KERNEL_PRECOMPUTED

Un noyau pré-calculé - actuellement non supporté.

SVM::OPT_TYPE

Les clés en option pour le type SVM.

SVM::OPT_KERNEL_TYPE

Les clés en option pour le type de noyau.

SVM::OPT_DEGREE

SVM::OPT_SHRINKING

Paramètre d’entraînement, booléen, pour indiquer d'utiliser les heuristiques rétrécis.

SVM::OPT_PROBABILITY

Paramètre d’entraînement, booléen, pour indiquer d'utiliser des estimations des probabilités.

SVM::OPT_GAMMA

Paramètre de l'algorithme pour les types de noyau Poly, RBF et sigmoïde.

SVM::OPT_NU

La clé optionnelle pour le paramètre NU, uniquement utilisée pour les types NU_ SVM.

SVM::OPT_EPS

La clé optionnelle pour le paramètre Epsilon, utilisé pour la régression epsilon.

SVM::OPT_P

Paramètre d'entraînement utilisé par la régression Epsilon SVR.

SVM::OPT_COEF_ZERO

Paramètre d'algorithme pour les noyaux poly et sigmoïde.

SVM::OPT_C

L'option pour le paramètre cost qui contrôle les négociations entre les erreurs et les généralités - effectivement, la pénalité pour mauvaise classification des exemples d'entrainement.

SVM::OPT_CACHE_SIZE

Taille de la mémoire cache, en Mo.

Sommaire

add a note add a note

User Contributed Notes

There are no user contributed notes for this page.
To Top