svm-train - מקוון בענן

תָכְנִית:

שֵׁם

svm-train - אימון מופע SVM אחד או יותר על מערך נתונים נתון כדי לייצר קובץ מודל

תַקצִיר

svm-רכבת [-ס svm_type ] [ -t kernel_type ] [ -d תוֹאַר ] [ -g גמא ] [ -r coef0 ] [ -c
עלות ] [ -n nu ] [ -p אפסילון ] [ -m גודל המטמון ] [ -e אפסילון ] [ -h מתכווץ ] [ -b
הערכות_הסתברות ] ] [ -wi מִשׁקָל ] [ -v n ] [ -q ]

training_set_file [ model_file ]

תיאור

svm-רכבת מאמן מכונת תמיכה וקטור ללמוד את הנתונים המצוינים ב
training_set_file
ולייצר א model_file
כדי לשמור את תוצאות אופטימיזציית הלמידה. דגם זה יכול לשמש מאוחר יותר עם
svm_predict(1) או תוכנה אחרת התומכת ב-LIBSVM.

אפשרויות

-s svm_type
ברירת המחדל של svm_type הוא 0 ויכול להיות כל ערך בין 0 ל-4 באופן הבא:

0 -- C-SVC

1 -- nu-SVC

2 -- כיתה אחת SVM

3 -- epsilon-SVR

4 -- nu-SVR

-t kernel_type
ברירת המחדל של kernel_type היא 2 (קרנל פונקציית בסיס רדיאלית (RBF)) ויכול להיות כל ערך
בין 0 ל-4 באופן הבא:

0 -- ליניארי: uv

1 -- פולינום: (גמא*uv + coef0)^תואר

2 -- רדיאלי בסיס פוּנקצִיָה: exp(-gamma*|uv|^2)

3 -- סיגמואיד: tanh(gamma*uv + coef0)

4 -- מחושב מראש גרעין (גַרעִין ערכים in training_set_file) --

תואר -d
קובע את תוֹאַר של פונקציית הקרנל, ברירת המחדל היא 3

-ג גמא
מתאים את גמא בפונקציית הקרנל (ברירת מחדל 1/k)

-r coef0
קובע את coef0 (היסט קבוע) בפונקציית הליבה (ברירת מחדל 0)

-c עלות
מגדיר את הפרמטר C ( עלות ) של C-SVC, epsilon-SVR ו-nu-SVR (ברירת מחדל 1)

-n nu קובע את הפרמטר nu של nu-SVC, SVM מחלקה אחת ו-nu-SVR (ברירת מחדל 0.5)

-p אפסילון
הגדר את אפסילון בפונקציית האובדן של epsilon-SVR (ברירת מחדל 0.1)

-m cachesize
הגדר את גודל זיכרון המטמון ל גודל המטמון ב-MB (ברירת מחדל 100)

-ה אפסילון
הגדר את קריטריון הסובלנות לסיום ל אפסילון (ברירת מחדל 0.001)

-ה מתכווץ
האם להשתמש ב מתכווץ
היוריסטיקה, 0 או 1 (ברירת מחדל 1)

-ב הסתברות-הערכות
הערכות_הסתברות הוא ערך בינארי המציין אם לחשב הסתברות
הערכות בעת אימון מודל SVC או SVR. הערכים הם 0 או 1 וברירת המחדל היא 0
עבור מהירות.

משקל -wi
הגדר את הפרמטר C (עלות) של מחלקה i למשקל*C, עבור C-SVC (ברירת מחדל 1)

-vn סט n ל n -קפל מצב אימות צולב

-q מצב שקט; לדכא הודעות לסטdout.

השתמש ב-svm-train באופן מקוון באמצעות שירותי onworks.net