SunshinePHP Developer Conference 2015

La classe SVM

(PECL svm >= 0.1.0)

Introduction

Synopsis de la classe

SVM {
/* Constantes */
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 ;
/* Méthodes */
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 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