oneClassSvm: oneClassSvm

Membuat daftar yang berisi nama fungsi dan argumen untuk melatih model OneClassSvm dengan rxEnsemble.

Penggunaan

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

Argumen

cacheSize

Ukuran maksimal dalam MB cache yang menyimpan data pelatihan. Tingkatkan ini untuk set pelatihan besar. Nilai defaultnya adalah 100 MB.

kernel

String karakter yang mewakili kernel yang digunakan untuk menghitung produk dalam. Untuk informasi selengkapnya, lihat maKernel. Pilihan berikut tersedia:

• rbfKernel(): Kernel fungsi dasar radial. Parameternya mewakili gamma dalam istilah exp(-gamma|x-y|^2. Jika tidak ditentukan, defaultnya 1 dibagi dengan jumlah fitur yang digunakan. Contohnya, rbfKernel(gamma = .1). Ini adalah nilai default.
• linearKernel(): Kernel linier.
• polynomialKernel(): Kernel polinomial dengan nama aparameter , , biasdan deg dalam istilah (a*<x,y> + bias)^deg. bias, default ke 0. Derajat, deg, default ke 3. Jika a tidak ditentukan, diatur untuk 1 dibagi dengan jumlah fitur. Contohnya, maKernelPoynomial(bias = 0, deg = `` 3).
• sigmoidKernel(): Kernel Sigmoid dengan nama gamma parameter dan coef0 dalam istilah tanh(gamma*<x,y> + coef0). gamma, default untuk 1 dibagi dengan jumlah fitur. Parameter coef0 default ke 0. Contohnya, sigmoidKernel(gamma = .1, coef0 = 0).

epsilon

Ambang batas untuk konvergensi pengoptimal. Jika perbaikan antara perulangan kurang dari ambang batas, algoritma akan berhenti dan mengembalikan model saat ini. Nilai harus lebih besar dari atau sama dengan .Machine$double.eps. Nilai defaultnya adalah 0,001.

nu

Trade-off antara pecahan outlier dan jumlah vektor dukungan (diwakili oleh huruf Yunani nu). Harus antara 0 dan 1, biasanya antara 0,1 dan 0,5. Nilai defaultnya adalah 0,1.

shrink

Menggunakan heuristik penyusutan jika TRUE. Dalam hal ini, beberapa sampel akan "menyusut" selama prosedur pelatihan, yang dapat mempercepat pelatihan. Nilai defaultnya adalah TRUE.

...

Argumen tambahan yang akan diteruskan langsung ke Microsoft Compute Engine.