Compartir a través de


oneClassSvm: oneClassSvm

Crea una lista que contiene el nombre de la función y los argumentos para entrenar un modelo de OneClassSvm con rxEnsemble.

Uso

  oneClassSvm(cacheSize = 100, kernel = rbfKernel(), epsilon = 0.001,
    nu = 0.1, shrink = TRUE, ...)
 

Argumentos

cacheSize

Tamaño máximo en MB de la memoria caché que almacena los datos de entrenamiento. Aumente este valor para los conjuntos de entrenamiento de gran tamaño. El valor predeterminado es 100 MB.

kernel

Cadena de caracteres que representa el kernel utilizado para calcular productos internos. Para más información, consulte maKernel. Están disponibles las siguientes opciones:

  • rbfKernel(): kernel de función de base radial. Este parámetro representa gamma en el término exp(-gamma|x-y|^2. Si no se especifica, el valor predeterminado es 1 dividido por el número de características usadas. Por ejemplo, rbfKernel(gamma = .1). Este es el valor predeterminado.
  • linearKernel(): kernel lineal.
  • polynomialKernel(): kernel polinómico con los nombres de parámetro a, bias y deg en el término (a*<x,y> + bias)^deg. El valor predeterminado de bias es 0. El valor predeterminado de deg (grado) es 3. Si no se especifica a, se establece en 1 dividido por el número de características. Por ejemplo, maKernelPoynomial(bias = 0, deg = `` 3).
  • sigmoidKernel(): kernel sigmoide con los nombres de parámetro gamma y coef0 en el término tanh(gamma*<x,y> + coef0). El valor predeterminado de gamma es 1 dividido por el número de características. El valor predeterminado de coef0 es 0. Por ejemplo, sigmoidKernel(gamma = .1, coef0 = 0).

epsilon

Umbral de convergencia del optimizador. Si la mejora entre las iteraciones es menor que el umbral, el algoritmo se detiene y devuelve el modelo actual. El valor debe ser mayor o igual que .Machine$double.eps. El valor predeterminado es 0.001.

nu

Equilibrio entre la fracción de los valores atípicos y el número de vectores de soporte (representado por la letra griega nu). Debe estar entre 0 y 1; normalmente, entre 0.1 y 0.5. El valor predeterminado es 0.1.

shrink

Usa heurística de reducción si es TRUE. En este caso, algunos ejemplos se "reducen" durante el entrenamiento, lo que puede acelerar el procedimiento. El valor predeterminado es TRUE.

...

Argumentos adicionales que se pasarán directamente al motor de proceso de Microsoft.