Condividi tramite


oneClassSvm: oneClassSvm

Crea un elenco contenente il nome della funzione e gli argomenti per eseguire il training di un modello OneClassSvm con rxEnsemble.

Utilizzo

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

Arguments

cacheSize

Dimensione massima in MB della cache in cui vengono archiviati i dati di training. Aumentare questo valore per set di training di grandi dimensioni. Il valore predefinito è 100 MB.

kernel

Stringa di caratteri che rappresenta il kernel usato per il calcolo di prodotti interni. Per altre informazioni, vedere maKernel. Sono disponibili le opzioni seguenti:

  • rbfKernel(): kernel della funzione di base radiale. Il parametro rappresenta gamma nel termine exp(-gamma|x-y|^2. Se non specificato, il valore predefinito è 1 diviso per il numero di funzionalità usate. Ad esempio, rbfKernel(gamma = .1). Si tratta del valore predefinito.
  • linearKernel(): kernel lineare.
  • polynomialKernel(): kernel polinomiale con nomi di parametro a, bias e deg nel termine (a*<x,y> + bias)^deg. Il valore predefinito di bias è 0. Il valore predefinito del grado, deg, è 3. Se a non viene specificato, viene impostato su 1 diviso per il numero di funzionalità. Ad esempio, maKernelPoynomial(bias = 0, deg = `` 3).
  • sigmoidKernel(): kernel sigmoideo con nomi di parametro gamma e coef0 nel termine tanh(gamma*<x,y> + coef0). Il valore predefinito di gamma è 1 diviso per il numero di funzionalità. Il valore predefinito del parametro coef0 è 0. Ad esempio, sigmoidKernel(gamma = .1, coef0 = 0).

epsilon

Soglia per la convergenza dell'utilità di ottimizzazione. Se il miglioramento tra le iterazioni è inferiore alla soglia, l'algoritmo si interrompe e restituisce il modello corrente. Il valore deve essere maggiore o uguale a .Machine$double.eps. Il valore predefinito è 0,001.

nu

Compromesso tra la frazione di outlier e il numero di vettori di supporto indicato dalla lettera greca nu. Deve essere compreso tra 0 e 1, in genere tra 0,1 e 0,5. Il valore predefinito è 0,1.

shrink

Usa l'euristica di compattazione se TRUE. In caso, alcuni esempi verranno compattati durante la procedura di training in modo da poter velocizzare il training. Il valore predefinito è TRUE.

...

Argomenti aggiuntivi da passare direttamente al motore di calcolo Microsoft.