oneClassSvm：oneClassSvm

建立包含函式名稱和自變數的清單，以使用 rxEnsemble 來定型 OneClassSvm 模型。

用法

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

論點

cacheSize

以 MB 為單位的快取大小上限，可儲存定型數據。 針對大型定型集增加這個值。 預設值為 100 MB。

kernel

字元字串，表示用於計算內部產品的核心。 如需詳細資訊，請參閱 maKernel。 可用的選項如下：

• rbfKernel()：星形基礎函式核心。 其參數在 gamma 詞彙 exp(-gamma|x-y|^2中表示。 如果未指定，則預設 1 會除以所使用的功能數目。 例如： rbfKernel(gamma = .1) 。 這是預設值。
• linearKernel()：線性核心。
• polynomialKernel()：具有參數名稱 a、 bias和 deg 一詞 (a*<x,y> + bias)^deg的多項式核心。 預設 bias為 0。 度 ， deg預設為 3。 如果未 a 指定，則會將它設定為 1 除以特徵數目。 例如： maKernelPoynomial(bias = 0, deg = `` 3) 。
• sigmoidKernel()：具有參數名稱和 gammacoef0 詞彙 tanh(gamma*<x,y> + coef0)的 Sigmoid 核心。 gamma，預設 1 會除以特徵數目。 參數 coef0 預設為 0。 例如： sigmoidKernel(gamma = .1, coef0 = 0) 。

epsilon

優化工具聚合的臨界值。 換句話說，如果反覆運算之間的改進少於臨界值，此演算法會停止，並傳回目前的模型。 值必須大於或等於 .Machine$double.eps。 預設值為 0.001。

nu

極端值分數與支援向量數目之間的取捨（以希臘字母 nu 表示）。 必須介於 0 到 1 之間，通常介於 0.1 和 0.5 之間。 預設值為 0.1。

shrink

如果 TRUE，則使用縮小啟發學習法。 在此情況下，某些範例會在定型程式期間「壓縮」，這可能會加快訓練速度。 預設值是 TRUE。

...

要直接傳遞至Microsoft計算引擎的其他自變數。