La classe SVM
(PECL svm >= 0.1.0)
Introduction
Synopsis de la classe
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
- SVM::__construct — Construit un nouvel objet SVM
- SVM::crossvalidate — Test les paramètres d'entraînement sur les sous-jeux de données d’entraînement
- SVM::getOptions — Retourne les paramètres courants d’entraînement
- SVM::setOptions — Définit des paramètres d'entraînement
- SVM::train — Crée un modèle SVMModel suivant les données d'entraînement