pkoptsvm - Online în cloud

PROGRAM:

NUME

pkoptsvm - program pentru optimizarea parametrilor pentru clasificarea SVM

REZUMAT

pkoptsvm -t pregătire [Opțiuni] [avansat Opțiuni]

DESCRIERE

pkoptsvm Mașina vectorului suport depinde de mai mulți parametri. În mod ideal, acestea
parametrii ar trebui optimizați pentru fiecare problemă de clasificare. În cazul unei baze radiale
funcția kernel, doi parametri importanți sunt {cost} și {gamma}. Utilitatea pkoptsvm
poate optimiza acești doi parametri, pe baza unei evaluări a preciziei (valoarea Kappa). Dacă
un set de testare de intrare (-i), este utilizat pentru evaluarea acurateței. Dacă nu,
evaluarea acurateței se bazează pe o validare încrucișată (-CV) din proba de instruire.

Rutina de optimizare folosește o căutare în grilă. Valorile inițiale și finale ale
parametrii pot fi setati cu -cc valoarea de pornire -cc valoarea finală și -g valoarea de pornire -g valoare finală pentru
cost și, respectiv, gamma. Căutarea folosește un pas multiplicativ pentru repetarea
parametrii (setați cu opțiunile -stepcc și -stepg). O abordare des folosită este definirea
un pas multiplicativ relativ mare mai întâi (de ex. 10) pentru a obține o estimare inițială pentru
ambii parametri. Estimarea poate fi apoi optimizată prin definirea unui pas mai mic (>1) cu
valori de început și de sfârșit constrânse pentru parametrii cost și gamma.

OPŢIUNI

-t nume de fișier, --Instruire nume de fișier
fișier vectorial de antrenament. Un singur fișier vectorial conține toate caracteristicile de antrenament (trebuie să fie
setați ca: b0, b1, b2,...) pentru toate clasele (numerele de clasă identificate prin opțiunea etichetă).

-i nume de fișier, --intrare nume de fișier
fișier vector de testare de intrare

-cc valoarea de pornire -cc valoare finală, --cost valoarea de pornire --cost valoare finală
limitele min și max ale parametrului C al C-SVC, epsilon-SVR și nu-SVR (opțional:
valoarea initiala)

-g valoarea de pornire -g valoare finală, --gamma valoarea de pornire --gamma valoare finală
limite minime max pentru gamma în funcția kernel (opțional: valoare inițială)

-Etapa dimensiunea pasului, --Etapa dimensiunea pasului
pas multiplicativ pentru ccost și gamma în căutarea GRID

-v nivel, --verbos nivel
utilizați 1 pentru a obține rezultate intermediare pentru grafic

Opţiuni avansate

-tln strat, --tln strat
numele stratului de antrenament

-eticheta atribut, --eticheta atribut
identificatorul pentru eticheta clasei în fișierul vectorial de antrenament. (implicit: etichetă)

-minge mărimea, --echilibru mărimea
echilibrați datele de intrare la acest număr de mostre pentru fiecare clasă (implicit: 0)

-Aleatoriu, --Aleatoriu
în cazul echilibrului, randomizați datele de intrare

- min număr, --min număr
dacă numărul de pixeli de antrenament este mai mic decât min, nu luați în considerare această clasă

-b trupa, --grup trupa
indice de bandă (începând de la 0, fie utilizați opțiunea de bandă, fie folosiți de la început la sfârșit)

-sband trupa, --banda de pornire trupa
numărul secvenței benzii de pornire

-eband trupa, --endband trupa
numărul de secvență al benzii de sfârșit

-decalaj valoare, --decalaj valoare
valoarea offset pentru fiecare caracteristică de intrare a benzii spectrale:
refl[banda]=(DN[banda]-offset[banda])/scale[banda]

-scară valoare, --scară valoare
valoarea de scară pentru fiecare caracteristică de intrare a benzii spectrale:
refl=(DN[bandă]-offset[bandă])/scale[band] (utilizați 0 dacă scala min și max în fiecare bandă
la -1.0 și 1.0)

-svmt tip, --svmtype tip
tip de SVM (C_SVC, nu_SVC,one_class, epsilon_SVR, nu_SVR)

-kt tip, --kerneltype tip
tip de funcție a nucleului (liniară, polinomială, radială, sigmoidă)

-kd valoare, --kd valoare
grad în funcția nucleului

-c0 valoare, --coef0 valoare
coef0 în funcția kernel

-nu valoare, --nu valoare
parametrul nu al nu-SVC, al SVM de o clasă și al nu-SVR

-pierdere valoare, --pierdere valoare
epsilonul în funcție de pierdere a epsilon-SVR

-cache număr, --cache număr
dimensiunea memoriei cache în MB (implicit: 100)

-etol valoare, --etol valoare
criteriul de toleranță la terminare (implicit: 0.001)

-se micsoreaza, --se micsoreaza
dacă să folosiți euristica în scădere

-CV valoare, --CV valoare
modul de validare încrucișată de n ori (implicit: 0)

-cf, --cf
utilizați Overall Accuracy în loc de kappa

-maxit număr, --maxit număr
numărul maxim de iterații

-tol valoare, --toleranţă valoare
toleranță relativă pentru criteriul de oprire (implicit: 0.0001)

-a valoare, --algoritm valoare
GRID, sau orice algoritm de optimizare de la http://ab-
initio.mit.edu/wiki/index.php/NLopt_Algorithms

-c nume, --clasă nume
lista de nume de clase.

-r valoare, --reclasare valoare
lista de valori ale clasei (utilizați aceeași ordine ca în --clasă opțiune).

Ianuarie 24 2016 pkoptsvm(1)

Utilizați pkoptsvm online folosind serviciile onworks.net