Il s'agit de la commande pkoptsvm qui peut être exécutée dans le fournisseur d'hébergement gratuit OnWorks en utilisant l'un de nos multiples postes de travail en ligne gratuits tels que Ubuntu Online, Fedora Online, l'émulateur en ligne Windows ou l'émulateur en ligne MAC OS
PROGRAMME:
Nom
pkoptsvm - programme pour optimiser les paramètres pour la classification SVM
SYNOPSIS
pkoptsvm -t Formation [Options] [Avancée Options]
DESCRIPTION
pkoptsvm La machine à vecteurs de support dépend de plusieurs paramètres. Idéalement, ces
les paramètres doivent être optimisés pour chaque problème de classification. En cas de base radiale
fonction du noyau, deux paramètres importants sont {cost} et {gamma}. L'utilité pkoptsvm
peut optimiser ces deux paramètres, sur la base d'une évaluation de la précision (la valeur Kappa). Si
un ensemble de test d'entrée (-i) est fourni, il est utilisé pour l'évaluation de la précision. Sinon, le
l'évaluation de l'exactitude est basée sur une validation croisée (-CV) de l'échantillon d'apprentissage.
La routine d'optimisation utilise une recherche par grille. Les valeurs initiales et finales du
les paramètres peuvent être réglés avec -cc valeur de départ -cc valeur finale et -g valeur de départ -g valeur finale pour
coût et gamma respectivement. La recherche utilise une étape multiplicative pour itérer le
paramètres (définis avec les options -stepcc et -stepg). Une approche souvent utilisée consiste à définir
une étape multiplicative relativement grande d'abord (par exemple 10) pour obtenir une estimation initiale pour
les deux paramètres. L'estimation peut alors être optimisée en définissant un pas plus petit (>1) avec
valeurs de début et de fin contraintes pour les paramètres coût et gamma.
OPTIONS
-t nom de fichier, --entraînement nom de fichier
fichier vectoriel de formation. Un seul fichier vectoriel contient toutes les fonctionnalités d'entraînement (doit être
défini comme : b0, b1, b2,...) pour toutes les classes (numéros de classe identifiés par l'option d'étiquette).
-i nom de fichier, --saisir nom de fichier
fichier de vecteur de test d'entrée
-cc valeur de départ -cc valeur finale, --ccoût valeur de départ --ccoût valeur finale
min et max délimitent le paramètre C de C-SVC, epsilon-SVR et nu-SVR (facultatif :
valeur initiale)
-g valeur de départ -g valeur finale, --gamma valeur de départ --gamma valeur finale
limites min max pour gamma dans la fonction noyau (facultatif : valeur initiale)
-étape taille de pas, --étape taille de pas
étape multiplicative pour ccost et gamma dans la recherche GRID
-v niveau, --verbeux niveau
utiliser 1 pour générer des résultats intermédiaires pour le traçage
Options avancées
-tln couche, --tln couche
nom(s) de la couche d'entraînement
-étiquette attribuer, --étiqueter attribuer
identifiant de l'étiquette de classe dans le fichier vectoriel d'apprentissage. (par défaut : étiquette)
-bal longueur du câble, --équilibre longueur du câble
équilibrer les données d'entrée à ce nombre d'échantillons pour chaque classe (par défaut : 0)
-au hasard, --Aléatoire
en cas d'équilibre, randomiser les données d'entrée
-min nombre, --min nombre
si le nombre de pixels d'entraînement est inférieur à min, ne pas prendre en compte cette classe
-b bande, --bande bande
index de bande (à partir de 0, utilisez l'option de bande ou utilisez le début à la fin)
-bande bande, --bande de démarrage bande
numéro de séquence de la bande de début
-ebande bande, --bande d'extrémité bande
numéro de séquence de fin de bande
-décalage Plus-value, --décalage Plus-value
valeur de décalage pour chaque entité d'entrée de bande spectrale :
réf[bande]=(DN[bande]-décalage[bande])/échelle[bande]
-échelle Plus-value, --escalader Plus-value
valeur d'échelle pour chaque entité d'entrée de bande spectrale :
refl=(DN[band]-offset[band])/scale[band] (utiliser 0 si scale min et max dans chaque bande
à -1.0 et 1.0)
-svmt type, --typesvm type
type de SVM (C_SVC, nu_SVC, one_class, epsilon_SVR, nu_SVR)
-kt type, --type de noyau type
type de fonction noyau (linéaire, polynomiale, radiale, sigmoïde)
-kd Plus-value, --kd Plus-value
diplôme en fonction du noyau
-c0 Plus-value, --coef0 Plus-value
coef0 dans la fonction noyau
-nu Plus-value, --nu Plus-value
le paramètre nu de nu-SVC, une classe SVM et nu-SVR
-éloss Plus-value, --loss Plus-value
l'epsilon en fonction de perte d'epsilon-SVR
-cache nombre, --cache nombre
taille de la mémoire cache en Mo (par défaut : 100)
-étol Plus-value, --étol Plus-value
la tolérance du critère de terminaison (par défaut : 0.001)
-rétrécir, --rétrécir
s'il faut utiliser l'heuristique de rétrécissement
-CV Plus-value, --CV Plus-value
mode de validation croisée n-fold (par défaut : 0)
-cf, --cf
utiliser la précision globale au lieu de kappa
-maxit nombre, --maxit nombre
nombre maximal d'itérations
-tol Plus-value, --tolérance Plus-value
tolérance relative pour le critère d'arrêt (par défaut : 0.0001)
-a Plus-value, --algorithme Plus-value
GRID, ou tout algorithme d'optimisation de http://ab-
initio.mit.edu/wiki/index.php/NLopt_Algorithms
-c prénom, --classer prénom
liste des noms de classe.
-r Plus-value, --reclasser Plus-value
liste des valeurs de classe (utilisez le même ordre que dans --classer option).
24 Janvier 2016 pkoptsvm(1)
Utilisez pkoptsvm en ligne à l'aide des services onworks.net
