pkfsann - 클라우드에서 온라인

프로그램:

이름

pkfsann - nn 분류기를 위한 특징 선택

개요

pkfsann -t 훈련 -n 번호 [옵션] [많은 옵션]

기술

고차원 입력 데이터를 다루는 분류 문제는 다음과 같은 이유로 어려울 수 있습니다.
휴즈 현상. 예를 들어 초분광 데이터는 수백 개의 스펙트럼을 가질 수 있습니다.
밴드이므로 분류 시 특별한 주의가 필요합니다. 특히 제한된 경우
훈련 데이터를 사용할 수 있는 경우, 이러한 데이터를 분류하지 않으면 문제가 발생할 수 있습니다.
차원을 줄입니다.

pkfsann 순차적인 기능 선택 기술을 포함한 다양한 기능 선택 기술을 구현합니다.
부동 전방 탐색(SFFS). 또한 다음에 구현된 SVM 분류기를 고려하십시오. pksvm(1)
다른 방법보다 이런 유형의 문제에 더 강력한 것으로 나타났습니다.

옵션

-t 파일 이름, --훈련 파일 이름
훈련 벡터 파일입니다. 단일 벡터 파일에는 모든 학습 기능이 포함됩니다(반드시
모든 클래스에 대해 B0, B1, B2,...)로 설정합니다(레이블 옵션으로 식별되는 클래스 번호).
부트스트랩 집계를 위해 여러 교육 파일을 사용합니다(가방 및
bsize 옵션(단일 훈련 파일에서 무작위 하위 집합을 가져옴)

-n 번호, --nf 번호
선택할 기능 수(0은 최적의 수를 선택합니다. 참조) --ecost 선택권)

-i 파일 이름, --입력 파일 이름
입력 테스트 세트(훈련만을 기반으로 교차 검증을 수행하려면 비워 두세요)

-v 수평, --말 수가 많은 수평
다음으로 설정: 0(결과만), 1(혼동 행렬), 2(디버그)

고급 옵션

-tln 층, --tln 층
훈련 레이어 이름

-상표 속성, --상표 속성
훈련 벡터 파일의 클래스 레이블에 대한 식별자입니다. (기본값: 라벨)

--균형 크기
각 클래스에 대해 이 샘플 수에 맞춰 입력 데이터의 균형을 맞춥니다(기본값: 0)

-무작위, --무작위의
균형이 잡힌 경우 입력 데이터를 무작위로 지정합니다.

-분 번호, --분 번호
훈련 픽셀 수가 최소보다 작으면 이 클래스를 고려하지 마세요.

-b 밴드, --밴드 밴드
밴드 인덱스(0부터 시작, 밴드 옵션을 사용하거나 처음부터 끝까지 사용)

-밴드 밴드, --시작 밴드 밴드
시작 밴드 시퀀스 번호

-eband 밴드, --끝대역 밴드
끝 밴드 시퀀스 번호

-오프셋 가치, --오프셋 가치
각 스펙트럼 대역 입력 기능에 대한 오프셋 값:
refl[밴드]=(DN[밴드]-오프셋[밴드])/스케일[밴드]

-규모 가치, --규모 가치
각 스펙트럼 대역 입력 기능의 스케일 값:
refl=(DN[band]-offset[band])/scale[band](각 대역에서 최소 및 최대 스케일의 경우 0 사용)
-1.0 및 1.0)

-a 0 | 1 | 2, --집계 0 | 1 | 2
집계 분류기를 결합하는 방법, 또한 참조하세요 --rc 옵션(0: 집계 없음, 1:
합계 규칙, 2: 최대 규칙).

-SM 방법, --sm 방법
특징 선택 방법(sffs=순차 부동 정방향 탐색, sfs=순차
순방향 검색, SBS, 순차 역방향 검색, bfs=무차별 검색)

-비용 가치, --ecost 가치
최적의 수를 결정하기 위한 비용 함수의 정지 기준에 대한 엡실론
풍모

-이력서 가치, --이력서 가치
n겹 교차 검증 모드(기본값: 0)

-c name, --수업 name
클래스 이름 목록.

-r 가치, --재클래스 가치
클래스 값 목록(다음과 같은 순서 사용) --수업 선택권).

-n 번호, --뉴런 번호
신경망의 은닉층에 있는 뉴런의 수(다중 은닉층이 있음)
여러 개의 뉴런을 정의하여 설정: -nn 15 -nn 1, 기본값은 숨겨진 것입니다
5개의 뉴런이 있는 레이어)

--연결 0 | 1
연결 속도(기본값: 완전히 연결된 네트워크의 경우 1.0)

-w 무게, --가중치 무게
신경망의 가중치. 완전히 연결된 네트워크에만 적용, 시작부터
첫 번째 입력 뉴런부터 마지막 ​​출력 뉴런까지, 바이어스 뉴런 포함(마지막 뉴런)
각 층을 제외하고 마지막 층)

-l 율, --학습 율
학습률(기본값: 0.7)

--최대 번호
최대 반복 횟수(epoch) (기본값: 500)

onworks.net 서비스를 사용하여 pkfsann을 온라인으로 사용하세요