La clase SVM

Introducción#

Sinopsis de la clase#

SVM

SVM

Constantes

const

int

SVM::C_SVC

0

const

int

SVM::NU_SVC

1

const

int

SVM::ONE_CLASS

2

const

int

SVM::EPSILON_SVR

3

const

int

SVM::NU_SVR

4

const

int

SVM::KERNEL_LINEAR

0

const

int

SVM::KERNEL_POLY

1

const

int

SVM::KERNEL_RBF

2

const

int

SVM::KERNEL_SIGMOID

3

const

int

SVM::KERNEL_PRECOMPUTED

4

const

int

SVM::OPT_TYPE

101

const

int

SVM::OPT_KERNEL_TYPE

102

const

int

SVM::OPT_DEGREE

103

const

int

SVM::OPT_SHRINKING

104

const

int

SVM::OPT_PROBABILITY

105

const

int

SVM::OPT_GAMMA

201

const

int

SVM::OPT_NU

202

const

int

SVM::OPT_EPS

203

const

int

SVM::OPT_P

204

const

int

SVM::OPT_COEF_ZERO

205

const

int

SVM::OPT_C

206

const

int

SVM::OPT_CACHE_SIZE

207

Métodos

Constantes predefinidas#

Constantes SVM#

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.