Share via

oneClassSvm : oneClassSvm

  • Article

Crée une liste contenant le nom et les arguments de la fonction pour effectuer l’apprentissage d’un modèle OneClassSvm avec rxEnsemble.

Utilisation

  oneClassSvm(cacheSize = 100, kernel = rbfKernel(), epsilon = 0.001,
    nu = 0.1, shrink = TRUE, ...)

Arguments

cacheSize

Taille maximale en Mo du cache qui stocke les données d’apprentissage. Augmentez cette valeur pour les jeux d’apprentissage volumineux. La valeur par défaut est 100 Mo.

kernel

Chaîne de caractères représentant le noyau utilisé pour calculer les produits internes. Pour plus d’informations, consultez maKernel. Les choix suivants sont disponibles :

  • rbfKernel() : noyau de fonction de base radiale. Son paramètre représente gamma dans le terme exp(-gamma|x-y|^2. S’il n’est pas spécifié, la valeur par défaut est 1 divisé par le nombre de fonctionnalités utilisées. Par exemple, rbfKernel(gamma = .1). Il s'agit de la valeur par défaut.
  • linearKernel() : noyau linéaire.
  • polynomialKernel() : noyau polynomial avec les noms de paramètres a, bias et deg dans le terme (a*<x,y> + bias)^deg. bias, la valeur par défaut est 0. Degré, deg, la valeur par défaut est 3. Si 1 n’est pas spécifié, la valeur est a divisé par le nombre de fonctionnalités utilisées. Par exemple : maKernelPoynomial(bias = 0, deg = `` 3).
  • sigmoidKernel() : noyau sigmoïde avec les noms gamma et coef0 dans le terme tanh(gamma*<x,y> + coef0). gamma, la valeur par défaut est 1 divisé par le nombre de fonctionnalités utilisées. La valeur par défaut du paramètre coef0 est 0. Par exemple, sigmoidKernel(gamma = .1, coef0 = 0).

epsilon

Seuil de convergence de l’optimiseur. Si l’amélioration entre les itérations est inférieure à ce seuil, l’algorithme s’arrête et renvoie le modèle actuel. La valeur doit être supérieure ou égale à .Machine$double.eps. La valeur par défaut est 0,001.

nu

Compromis entre la fraction de valeurs hors norme et le nombre de vecteurs de support (représenté par la lettre grecque nu). Doit être compris entre 0 et 1, généralement entre 0,1 et 0,5. La valeur par défaut est 0,1.

shrink

Utilise l’heuristique de réduction si TRUE. Dans ce cas, certains échantillons sont « réduits » au cours de la procédure d’apprentissage, ce qui peut accélérer l’apprentissage. La valeur par défaut est TRUE.

...

Arguments supplémentaires à passer directement au moteur de calcul Microsoft.