SVM::train
(PECL svm >= 0.1.0)
SVM::train — Crée un modèle SVMModel suivant les données d'entraînement
Description
Entraîne une machine vectorielle basée sur les données d'entraînement fournies.
Liste de paramètres
-
problem
-
Le problème peut être fourni de 3 façons. Un tableau, où les données doivent commencer par le libellé de la classe (habituellement 1 ou -1), suivi par une série de données sous la forme de paires dimensions/données. Une URL vers un fichier contenant un problème SVM Light formaté, dont chaque ligne commence par un nouvel exemple d'entraînement, le début de chaque ligne contient la classe (1 ou -1) puis, une série de valeurs de données séparées par une tabulation sous la forme clé:valeur. Un flux ouvert pointant vers une source de données formatée comme dans le fichier ci-dessus.
-
weights
-
Les poids sont des ensembles optionnels de paramètres de pondération pour les différentes classes, afin d'aider dans le comptage pour des jeux d'entraînement déséquilibrés. Par exemple, si les classes sont 1 et -1, et que -1 a plus d'exemples significatifs que le premier, le poids pour -1 pourrait être de 0.5. Les poids doivent être dans l'intervalle 0-1.
Version en cache
24/12/2024 01:06:24 Cette version de la page est en cache (à la date du 24/12/2024 01:06:24) 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-svm.train.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.