oneClassSvm: oneClassSvm

rxEnsemble을 사용하여 OneClassSvm 모델을 학습하기 위한 함수 이름과 인수를 포함하는 목록을 만듭니다.

사용

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

학습 데이터를 저장하는 캐시의 최대 크기(MB). 대규모 학습 집합에 대해서는 이 값을 늘립니다. 기본값은 100MB입니다.

내부 곱을 계산하는 데 사용되는 커널을 나타내는 문자열. 자세한 내용은 maKernel을 참조하세요. 다음 중에서 선택할 수 있습니다.

rbfKernel(): 방사형 기본 함수 커널. 해당 매개 변수는 exp(-gamma|x-y|^2 항에서 gamma를 나타냅니다. 지정하지 않으면, 기본값은 1을 사용된 기능 수로 나눈 값입니다. 예를 들어 rbfKernel(gamma = .1)입니다. 기본값입니다.
linearKernel(): 선형 커널
polynomialKernel(): (a*<x,y> + bias)^deg 항에 매개 변수 이름이 a, bias, deg인 다항식 커널. bias의 기본값은 0입니다. deg(degree)의 기본값은 3입니다. a를 지정하지 않으면 1을 기능 수로 나눈 값으로 설정됩니다. 예들 들어 maKernelPoynomial(bias = 0, deg = `` 3)입니다.
sigmoidKernel(): tanh(gamma*<x,y> + coef0) 항에 매개 변수 이름이 gamma 및 coef0인 시그모이드(sigmoid) 커널. gamma의 기본값은 1을 기능 수로 나눈 값입니다. coef0 매개 변수의 기본값은 0입니다. 예를 들어 sigmoidKernel(gamma = .1, coef0 = 0)입니다.

최적화 프로그램 수렴의 임계값. 반복 간의 개선 수준이 임계값보다 낮으면 알고리즘이 중지되며 현재 모델이 반환됩니다. 값은 .Machine$double.eps보다 크거나 같아야 합니다. 기본값은 0.001입니다.

이상값의 소수 부분 및 지원 벡터의 수 간의 절충값(그리스 문자 nu로 표시됨). 0에서 1 사이여야 하며, 일반적으로 0.1에서 0.5 사이입니다. 기본값은 0.1입니다.

TRUE인 경우 축소 추론을 사용합니다. 이 경우 학습 절차 중에 일부 샘플이 “축소”되며, 이에 따라 학습 속도가 빨라질 수 있습니다. 기본값은 TRUE입니다.

Microsoft 컴퓨팅 엔진에 직접 전달할 추가 인수입니다.