Exemples
Le processus basique consiste à définir des paramètres, soumettre des données
d’entraînement pour la génération d'un modèle, puis, faire des prédictions basés
sur ce modèle. Il y a un jeu par défaut de paramètres qui doivent donner des
résultats avec la plupart des entrées, aussi, nous allons commencer par
regarder du côté de ces données.
Les données sont soumises via un fichier, un flux ou un tableau. Si elles
sont fournies via un fichier ou un flux, elles doivent contenir une ligne
par exemple d’entraînement, ligne devant être formatée sous la forme d'une
classe entière (habituellement 1 et -1), suivi par une séries de paires
clés/fonctionnalités, dans un ordre croissant des fonctionnalités. Les
fonctionnalités sont des entiers, et les valeurs, des nombres à virgules
flottantes dans l'intervalle 0-1. Par exemple :
-1 1:0.43 3:0.12 9284:0.2
Dans un problème de classification de document, par exemple concernant le
spam, chaque ligne doit représenter un document. Il doit y avoir 2 classes,
-1 pour les spam, 1 pour les ham. Chaque fonctionnalité représente des mots,
et les valeurs représentent l'importance de ces mots dans le document (par
exemple le fréquence de rencontre de ces mots dans le document, avec le total
dans le bon intervalle). Les fonctionnalités présentant la valeur 0 (i.e.
le mot n'apparaît pas du tout dans le document) ne seront tout simplement
pas inclues.
Dans mode tableau, les données doivent être passées sous la forme de tableaux
de tableaux. Chaque sous-tableau doit avoir la classe comme premier élément,
plus, clés => jeux de valeurs pour les paires de fonctionnalité/valeur.
Ces donnée sont passées à la fonction d’entraînement de la classe SVM,
qui retournera un modèle SVM en cas de succès.
Une fois le modèle généré, il peut être utilisé pour faire des prédictions
sur les données précédentes non vues. Elles peuvent être passées sous forme
de tableau à la fonction de prédiction du modèle, dans le même format que
précédemment, mais sans le libellé. La réponse sera la classe.
Les modèles peuvent être sauvegardés et restaurés à la demande, en utilisant
les fonctions de sauvegarde et de chargement, qui prennent toutes les 2 comme
argument le chemin vers le fichier correspondant.
Exemple #1 Entraînement depuis un tableau
<?php
$data = array(
array(-1, 1 => 0.43, 3 => 0.12, 9284 => 0.2),
array(1, 1 => 0.22, 5 => 0.01, 94 => 0.11),
);
$svm = new SVM();
$model = $svm->train($data);
$data = array(1 => 0.43, 3 => 0.12, 9284 => 0.2);
$result = $model->predict($data);
var_dump($result);
$model->save('model.svm');
?>
Résultat de l'exemple ci-dessus est similaire à :
Exemple #2 Entraînement depuis un fichier
<?php
$svm = new SVM();
$model = $svm->train("traindata.txt");
?>