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 mewakiligamma
dalam istilahexp(-gamma|x-y|^2
. Jika tidak ditentukan, defaultnya1
dibagi dengan jumlah fitur yang digunakan. Contohnya,rbfKernel(gamma = .1)
. Ini adalah nilai default.linearKernel()
: Kernel linear.polynomialKernel()
: Kernel polinomial dengan namaa
parameter , ,bias
dandeg
dalam istilah(a*<x,y> + bias)^deg
.bias
, default ke0
. Derajat,deg
, default ke3
. Jikaa
tidak ditentukan, itu diatur untuk1
dibagi dengan jumlah fitur. Contohnya,maKernelPoynomial(bias = 0, deg = `` 3)
.sigmoidKernel()
: Kernel Sigmoid dengan namagamma
parameter dancoef0
dalam istilahtanh(gamma*<x,y> + coef0)
.gamma
, default untuk1
dibagi dengan jumlah fitur. Parametercoef0
default ke0
. 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.