共用方式為


oneClassSvm: oneClassSvm

建立包含可使用 rxEnsemble 將 OneClassSvm 模型定型之函式名稱與引數的清單。

使用方式

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

引數

cacheSize

儲存訓練資料的快取大小上限 (MB)。 若是大型訓練集,請增加此值。 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():放射狀基礎函數核心。 其參數代表 exp(-gamma|x-y|^2 字詞中的 gamma。 如果未指定,會預設為 1 除以使用的特徵數目。 例如: rbfKernel(gamma = .1) 。 這是預設值。
  • linearKernel():線性核心。
  • polynomialKernel():包含字詞 (a*<x,y> + bias)^deg 中參數名稱 abiasdeg 的多項式核心。 bias,預設為 0。 度數 deg,預設為 3。 如果未指定 a,則會將其設為 1 除以特徵數目。 例如: maKernelPoynomial(bias = 0, deg = `` 3)
  • sigmoidKernel():包含字詞 tanh(gamma*<x,y> + coef0) 中參數名稱 gammacoef0 的 Sigmoid 核心。 gamma,預設為 1 除以特徵數目。 參數 coef0 預設為 0。 例如: sigmoidKernel(gamma = .1, coef0 = 0)

epsilon

最佳化工具收斂的閾值。 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。 此值必須大於或等於 .Machine$double.eps。 預設值為 0.001。

nu

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

shrink

如果為 TRUE,則會使用壓縮啟發學習法。 在此情況下,某些樣本會在訓練程序中「壓縮」,從而加速訓練。 預設值是 TRUE

...

直接傳遞至 Microsoft Compute Engine 的額外引數。