Este é o comando pkoptsvm que pode ser executado no provedor de hospedagem gratuita OnWorks usando uma de nossas várias estações de trabalho online gratuitas, como Ubuntu Online, Fedora Online, emulador online do Windows ou emulador online do MAC OS
PROGRAMA:
NOME
pkoptsvm - programa para otimizar parâmetros para classificação SVM
SINOPSE
pkoptsvm -t treinamento [opções] [avançado opções]
DESCRIÇÃO
pkoptsvm A máquina de vetores de suporte depende de vários parâmetros. Idealmente, estes
os parâmetros devem ser otimizados para cada problema de classificação. No caso de uma base radial
função do kernel, dois parâmetros importantes são {cost} e {gamma}. A utilidade pkoptsvm
pode otimizar esses dois parâmetros, com base em uma avaliação de precisão (o valor Kappa). Se
um conjunto de teste de entrada (-i) é fornecido, ele é usado para a avaliação da precisão. Se não, o
avaliação de precisão é baseada em uma validação cruzada (-cv) da amostra de treinamento.
A rotina de otimização usa uma pesquisa em grade. Os valores iniciais e finais do
parâmetros podem ser definidos com -cc valor inicial -cc valor final e -g valor inicial -g valor final para
custo e gama, respectivamente. A pesquisa usa uma etapa multiplicativa para iterar o
parâmetros (definidos com as opções -passo e passo) Uma abordagem frequentemente usada é definir
uma etapa multiplicativa relativamente grande primeiro (por exemplo, 10) para obter uma estimativa inicial para
ambos os parâmetros. A estimativa pode então ser otimizada definindo uma etapa menor (> 1) com
valores iniciais e finais restritos para os parâmetros custo e gama.
OPÇÕES
-t nome do arquivo, --Treinamento nome do arquivo
arquivo de vetor de treinamento. Um único arquivo vetorial contém todos os recursos de treinamento (deve ser
definido como: b0, b1, b2, ...) para todas as classes (números de classe identificados pela opção de rótulo).
-i nome do arquivo, --entrada nome do arquivo
arquivo vetorial de teste de entrada
-cc valor inicial -cc valor final, --ccusto valor inicial --ccusto valor final
limites mínimo e máximo do parâmetro C de C-SVC, epsilon-SVR e nu-SVR (opcional:
valor inicial)
-g valor inicial -g valor final, --gama valor inicial --gama valor final
limites mín. máx. para gama na função do kernel (opcional: valor inicial)
-degrau tamanho do passo, --Passo tamanho do passo
etapa multiplicativa para ccost e gama na pesquisa GRID
-v nível, --verbose nível
use 1 para produzir resultados intermediários para plotagem
opções avançadas
-tln camada, --tln camada
nome (s) da camada de treinamento
-rótulo atributo, --rótulo atributo
identificador para rótulo de classe no arquivo de vetor de treinamento. (padrão: rótulo)
-bal tamanho, --Saldo tamanho
equilibre os dados de entrada para este número de amostras para cada classe (padrão: 0)
-aleatória, --aleatória
em caso de equilíbrio, randomiza os dados de entrada
- min número, --min número
se o número de pixels de treinamento for menor que o mínimo, não leve esta classe em consideração
-b banda, --banda banda
índice de banda (começando em 0, use a opção de banda ou use do início ao fim)
- banda banda, --startband banda
número de sequência da banda inicial
-banda banda, - banda final banda
número de sequência da banda final
-Deslocamento valor, --Deslocamento valor
valor de deslocamento para cada recurso de entrada da banda espectral:
refl [banda] = (DN [banda] -desvio [banda]) / escala [banda]
-escala valor, --escala valor
valor de escala para cada recurso de entrada de banda espectral:
refl = (DN [banda] -desvio [banda]) / escala [banda] (use 0 se a escala mín. e máx. em cada banda
para -1.0 e 1.0)
-svmt tipo, --svmtype tipo
tipo de SVM (C_SVC, nu_SVC, one_class, epsilon_SVR, nu_SVR)
-kt tipo, --kerneltype tipo
tipo de função kernel (linear, polinomial, radial, sigmóide)
-kd valor, --kd valor
grau em função do kernel
-c0 valor, --coef0 valor
coef0 na função do kernel
-nu valor, --nu valor
o parâmetro nu de nu-SVC, SVM de uma classe e nu-SVR
-perder valor, --perda valor
o épsilon em função de perda de épsilon-SVR
-cache número, --cache número
tamanho da memória cache em MB (padrão: 100)
-etol valor, --etol valor
a tolerância do critério de rescisão (padrão: 0.001)
-Psiquiatra, --Psiquiatra
se deve usar a heurística de encolhimento
-cv valor, --cv valor
modo de validação cruzada n-fold (padrão: 0)
-cf, --cf
use Precisão geral em vez de kappa
-máximo número, --maxit número
número máximo de iterações
-para mim valor, --tolerância valor
tolerância relativa para o critério de parada (padrão: 0.0001)
-a valor, --algoritmo valor
GRID, ou qualquer algoritmo de otimização de http://ab-
initio.mit.edu/wiki/index.php/NLopt_Algorithms
-c nome, --classe nome
lista de nomes de classes.
-r valor, --reclassificar valor
lista de valores de classe (use a mesma ordem que em --classe opção).
24 de Janeiro de 2016 pkoptsvm(1).
Use pkoptsvm online usando serviços onworks.net
