La classe SVM
(PECL svm >= 0.1.0)
Introduction
Synopsis de la classe
Constantes pré-définies
Constantes SVM
SVM::C_SVC
-
Le type SVM C_SVC basique. C'est le type par défaut, et un bon point de départ.
SVM::NU_SVC
-
Le type NU_SVC utilise une pondération différente, plus souple des erreurs.
SVM::ONE_CLASS
-
Une type de classe SVM. S'entraîne sur une seule classe, en utilisant les valeurs aberrantes comme des exemples négatifs.
SVM::EPSILON_SVR
-
Un type SVM pour la régression (prédiction d'une valeur plutôt que seulement une classe).
SVM::NU_SVR
-
Un type NU de régression SVM.
SVM::KERNEL_LINEAR
-
Un noyau très simple, pouvant fonctionner correctement sur un large document de problèmes de classification.
SVM::KERNEL_POLY
-
Un noyau polynôme.
SVM::KERNEL_RBF
-
Un noyau Gaussien RBD commun. Gère parfaitement les problèmes non linéaires, et est un bon noyau par défaut pour la classification.
SVM::KERNEL_SIGMOID
-
Un noyau basé sur la fonction sigmoïde. Son utilisant rend SVM très similaire à une interface sigmoïde basée sur un réseau neutre.
SVM::KERNEL_PRECOMPUTED
-
Un noyau pré-calculé - actuellement non supporté.
SVM::OPT_TYPE
-
Les clés en option pour le type SVM.
SVM::OPT_KERNEL_TYPE
-
Les clés en option pour le type de noyau.
SVM::OPT_DEGREE
SVM::OPT_SHRINKING
-
Paramètre d’entraînement, booléen, pour indiquer d'utiliser les heuristiques rétrécis.
SVM::OPT_PROBABILITY
-
Paramètre d’entraînement, booléen, pour indiquer d'utiliser des estimations des probabilités.
SVM::OPT_GAMMA
-
Paramètre de l'algorithme pour les types de noyau Poly, RBF et sigmoïde.
SVM::OPT_NU
-
La clé optionnelle pour le paramètre NU, uniquement utilisée pour les types NU_ SVM.
SVM::OPT_EPS
-
La clé optionnelle pour le paramètre Epsilon, utilisé pour la régression epsilon.
SVM::OPT_P
-
Paramètre d'entraînement utilisé par la régression Epsilon SVR.
SVM::OPT_COEF_ZERO
-
Paramètre d'algorithme pour les noyaux poly et sigmoïde.
SVM::OPT_C
-
L'option pour le paramètre cost qui contrôle les négociations entre les erreurs et les généralités - effectivement, la pénalité pour mauvaise classification des exemples d'entrainement.
SVM::OPT_CACHE_SIZE
-
Taille de la mémoire cache, en Mo.
Sommaire
- SVM::__construct — Construit un nouvel objet SVM
- SVM::crossvalidate — Test les paramètres d'entraînement sur les sous-jeux de données d’entraînement
- SVM::getOptions — Retourne les paramètres courants d’entraînement
- SVM::setOptions — Définit des paramètres d'entraînement
- SVM::train — Crée un modèle SVMModel suivant les données d'entraînement
Version en cache
13/02/2025 02:41:59 Cette version de la page est en cache (à la date du 13/02/2025 02:41:59) afin d'accélérer le traitement. Vous pouvez activer le mode utilisateur dans le menu en haut pour afficher la dernère version de la page.Document créé le 30/01/2003, dernière modification le 26/10/2018
Source du document imprimé : https://www.gaudry.be/php-rf-class.svm.html
L'infobrol est un site personnel dont le contenu n'engage que moi. Le texte est mis à disposition sous licence CreativeCommons(BY-NC-SA). Plus d'info sur les conditions d'utilisation et sur l'auteur.
Références
Ces références et liens indiquent des documents consultés lors de la rédaction de cette page, ou qui peuvent apporter un complément d'information, mais les auteurs de ces sources ne peuvent être tenus responsables du contenu de cette page.
L'auteur de ce site est seul responsable de la manière dont sont présentés ici les différents concepts, et des libertés qui sont prises avec les ouvrages de référence. N'oubliez pas que vous devez croiser les informations de sources multiples afin de diminuer les risques d'erreurs.