5.5.15

La clase SVM

(PECL svm >= 0.1.0)

Introducción

Sinopsis de la Clase

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

Constantes predefinidas

SVM Constants

SVM::C_SVC

El tipo básico C_SVC SVM. Es el tipo por defecto. Un buen punto de partida.

SVM::NU_SVC

El tipo NU_SVC usa una diferente y más flexible ponderación de errores.

SVM::ONE_CLASS

Una clase de tipo SVM. Guía simplemente a una clase, usando valores extremos como ejemplos negativos.

SVM::EPSILON_SVR

Un tipo SVM para regresión (prediciento un valor más que símplemente una clase)

SVM::NU_SVR

Un tipo de regresión SVM al estilo NU.

SVM::KERNEL_LINEAR

Un núcleo muy simple, puede funcionar bien con problemas de clasificación de documentos grandes.

SVM::KERNEL_POLY

Un núcleo polinómico

SVM::KERNEL_RBF

El común nucleo Gaussiano RBD. Maneja bien problemas no lineales y es un buen estándar para la clasificación.

SVM::KERNEL_SIGMOID

Un núcleo basado en la función sigmoid. Usando esta, SVM se hace muy similar a sigmoid de dos capas basado en redes neuronales.

SVM::KERNEL_PRECOMPUTED

Un núcleo precalculado - actualmente sin soporte.

SVM::OPT_TYPE

La clave de opciones para el tipo SVM

SVM::OPT_KERNEL_TYPE

La clave opcional para el tipo de núcleo

SVM::OPT_DEGREE

SVM::OPT_SHRINKING

Parámetro de formación, booleano, para cualquier uso de reducciones heurísticas.

SVM::OPT_PROBABILITY

Parámetro de formación, booleano, para recaudar y estimar el uso de probabilidades.

SVM::OPT_GAMMA

Parámetro algorítmico para usar Poly, RBF y Sigmoid como tipos de núcleo.

SVM::OPT_NU

La clave de opción para el parámetro NU, solo usado en tipos NU_ SVM.

SVM::OPT_EPS

La clave para la opción del parámetro Epsilon, Usada en regresiones epsilon.

SVM::OPT_P

Parámetro de formación usado por regresiones Episilon SVR

SVM::OPT_COEF_ZERO

Parámetro para el algoritmo de núcleos poly y sigmoid

SVM::OPT_C

La opción para el parámetro de coste que controla la compensación entre errores y generalidad - efectivamente la sanción por la clasificación errónea de los ejemplos de formación.

SVM::OPT_CACHE_SIZE

Tamaño de la memoria caché, en MB.

Tabla de contenidos

add a note add a note

User Contributed Notes

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