La clase SVM

(PECL svm >= 0.1.0)

Introducción

Sinopsis de la Clase

SVM {

/* Constants */

const integer C_SVC = 0 ;

const integer NU_SVC = 1 ;

const integer ONE_CLASS = 2 ;

const integer EPSILON_SVR = 3 ;

const integer NU_SVR = 4 ;

const integer KERNEL_LINEAR = 0 ;

const integer KERNEL_POLY = 1 ;

const integer KERNEL_RBF = 2 ;

const integer KERNEL_SIGMOID = 3 ;

const integer KERNEL_PRECOMPUTED = 4 ;

const integer OPT_TYPE = 101 ;

const integer OPT_KERNEL_TYPE = 102 ;

const integer OPT_DEGREE = 103 ;

const integer OPT_SHRINKING = 104 ;

const integer OPT_PROPABILITY = 105 ;

const integer OPT_GAMMA = 201 ;

const integer OPT_NU = 202 ;

const integer OPT_EPS = 203 ;

const integer OPT_P = 204 ;

const integer OPT_COEF_ZERO = 205 ;

const integer OPT_C = 206 ;

const integer OPT_CACHE_SIZE = 207 ;

/* Methods */

public __construct ( void )

public svm::crossvalidate ( array $problem , int $number_of_folds ) : float

public getOptions ( void ) : array

public setOptions ( array $params ) : bool

public svm::train ( array $problem [, array $weights ] ) : SVMModel

}

Constantes predefinidas

SVM Constants

SVM::C_SVC: El tipo básico C_SVC SVM. Es el tipo por defecto. Un buen punto de partida.
SVM::NU_SVC: El tipo NU_SVC usa una diferente y más flexible ponderación de errores.
SVM::ONE_CLASS: Una clase de tipo SVM. Guía simplemente a una clase, usando valores extremos como ejemplos negativos.
SVM::EPSILON_SVR: Un tipo SVM para regresión (prediciento un valor más que símplemente una clase)
SVM::NU_SVR: Un tipo de regresión SVM al estilo NU.
SVM::KERNEL_LINEAR: Un núcleo muy simple, puede funcionar bien con problemas de clasificación de documentos grandes.
SVM::KERNEL_POLY: Un núcleo polinómico
SVM::KERNEL_RBF: El común nucleo Gaussiano RBD. Maneja bien problemas no lineales y es un buen estándar para la clasificación.
SVM::KERNEL_SIGMOID: Un núcleo basado en la función sigmoid. Usando esta, SVM se hace muy similar a sigmoid de dos capas basado en redes neuronales.
SVM::KERNEL_PRECOMPUTED: Un núcleo precalculado - actualmente sin soporte.
SVM::OPT_TYPE: La clave de opciones para el tipo SVM
SVM::OPT_KERNEL_TYPE: La clave opcional para el tipo de núcleo
SVM::OPT_DEGREE
SVM::OPT_SHRINKING: Parámetro de formación, booleano, para cualquier uso de reducciones heurísticas.
SVM::OPT_PROBABILITY: Parámetro de formación, booleano, para recaudar y estimar el uso de probabilidades.
SVM::OPT_GAMMA: Parámetro algorítmico para usar Poly, RBF y Sigmoid como tipos de núcleo.
SVM::OPT_NU: La clave de opción para el parámetro NU, solo usado en tipos NU_ SVM.
SVM::OPT_EPS: La clave para la opción del parámetro Epsilon, Usada en regresiones epsilon.
SVM::OPT_P: Parámetro de formación usado por regresiones Episilon SVR
SVM::OPT_COEF_ZERO: Parámetro para el algoritmo de núcleos poly y sigmoid
SVM::OPT_C: La opción para el parámetro de coste que controla la compensación entre errores y generalidad - efectivamente la sanción por la clasificación errónea de los ejemplos de formación.
SVM::OPT_CACHE_SIZE: Tamaño de la memoria caché, en MB.

Tabla de contenidos

SVM::__construct — Construir un nuevo objeto SVM
SVM::crossvalidate — Test training params on subsets of the training data
SVM::getOptions — Return the current training parameters
SVM::setOptions — Set training parameters
SVM::train — Create a SVMModel based on training data