Delen via

oneClassSvm: oneClassSvm

Hiermee maakt u een lijst met de functienaam en argumenten voor het trainen van een OneClassSvm-model met rxEnsemble.

Gebruik

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

Argumenten

cacheSize

De maximale grootte in MB van de cache waarin de trainingsgegevens worden opgeslagen. Verhoog dit voor grote trainingssets. De standaardwaarde is 100 MB.

kernel

Een tekenreeks die de kernel vertegenwoordigt die wordt gebruikt voor het berekenen van interne producten. Zie maKernel voor meer informatie. De volgende opties zijn beschikbaar:

  • rbfKernel(): Radiale basisfunctie kernel. De parameter vertegenwoordigt gamma in de term exp(-gamma|x-y|^2. Als dit niet is opgegeven, wordt deze standaard 1 gedeeld door het aantal gebruikte functies. Bijvoorbeeld: rbfKernel(gamma = .1). Dit is de standaardwaarde.
  • linearKernel(): Lineaire kernel.
  • polynomialKernel(): Polynomiale kernel met parameternamen a, biasen deg in de term (a*<x,y> + bias)^deg. De biasstandaardwaarde is 0. De graad, degstandaard ingesteld op 3. Als a dit niet is opgegeven, wordt deze ingesteld op 1 gedeeld door het aantal functies. Bijvoorbeeld: maKernelPoynomial(bias = 0, deg = `` 3).
  • sigmoidKernel(): Sigmoid kernel met parameternamen gamma en coef0 in de term tanh(gamma*<x,y> + coef0). gamma, wordt 1 standaard gedeeld door het aantal functies. De parameter coef0 wordt standaard ingesteld op 0. Bijvoorbeeld: sigmoidKernel(gamma = .1, coef0 = 0).

epsilon

De drempelwaarde voor de convergentie van de optimizer. Als de verbetering tussen iteraties kleiner is dan de drempelwaarde, stopt het algoritme en retourneert het huidige model. De waarde moet groter dan of gelijk aan .Machine$double.epszijn. De standaardwaarde is 0,001.

nu

De afweging tussen de fractie van uitbijters en het aantal steunvectoren (vertegenwoordigd door de Griekse letter nu). Moet tussen 0 en 1 zijn, meestal tussen 0,1 en 0,5. De standaardwaarde is 0,1.

shrink

Maakt gebruik van de verkleinende heuristiek als TRUE. In dit geval zullen sommige steekproeven tijdens de trainingsprocedure worden "verkleind", waardoor de training kan worden versneld. De standaardwaarde is TRUE.

...

Aanvullende argumenten die rechtstreeks aan de Microsoft Compute Engine moeten worden doorgegeven.