array ( 0 => 'index.php', 1 => 'PHP Manual', ), 'head' => array ( 0 => 'UTF-8', 1 => 'ru', ), 'this' => array ( 0 => 'class.svm.php', 1 => 'SVM', ), 'up' => array ( 0 => 'book.svm.php', 1 => 'SVM', ), 'prev' => array ( 0 => 'svm.examples.php', 1 => 'Примеры', ), 'next' => array ( 0 => 'svm.construct.php', 1 => 'SVM::__construct', ), 'alternatives' => array ( ), 'source' => array ( 'lang' => 'ru', 'path' => 'reference/svm/svm.xml', ), 'extra_header_links' => array ( 'rel' => 'alternate', 'href' => '/manual/en/feeds/class.svm.atom', 'type' => 'application/atom+xml', ), ); $setup["toc"] = $TOC; $setup["toc_deprecated"] = $TOC_DEPRECATED; $setup["parents"] = $PARENTS; manual_setup($setup); ?>
(PECL svm >= 0.1.0)
SVM::C_SVC
Базовый тип SVM. Тип по умолчанию, хорош для начала.
SVM::NU_SVC
Тип NU_SVC использует другой, более гибкий подход к развесовке ошибок.
SVM::ONE_CLASS
Одноклассовая модель. Тренирует только на одном классе, используя "выпадающие" данные в качестве отрицательных примеров
SVM::EPSILON_SVR
Тип для регрессии (прогнозирование значения, а не просто класса)
SVM::NU_SVR
Тип регрессии SVM в стиле NU
SVM::KERNEL_LINEAR
Очень простое ядро, которое хорошо работает для классификации проблем больших документов
SVM::KERNEL_POLY
Полиноминальное ядро
SVM::KERNEL_RBF
Стандартное Гауссово RBD ядро. Хорошо обрабатывает нелинейные проблемы и является хорошим значением по умолчанию для классификации
SVM::KERNEL_SIGMOID
Ядро базирующееся на сигмоидной функции. Очень похоже на использование двухуровневой сигмоидной нейронной сети
SVM::KERNEL_PRECOMPUTED
Предварительно вычисленное ядро - сейчас не поддерживается
SVM::OPT_TYPE
Опциональный ключ для типа SVM
SVM::OPT_KERNEL_TYPE
Опциональный ключ для типа ядра
SVM::OPT_DEGREE
SVM::OPT_SHRINKING
Параметр обучения, логическое значение, определяющий использование сокращающей эвристики
SVM::OPT_PROBABILITY
Параметр обучения, логическое значение, определяющий, будут ли собираться и использоваться оценки вероятности
SVM::OPT_GAMMA
Параметр алгоритма для следующих типов ядра: Полиноминальное, RBF и Сигмоидное
SVM::OPT_NU
Опциональный ключ для параметра nu. Используется только с типами NU_ SVM
SVM::OPT_EPS
Опциональный ключ для параметра Epsilon. Используется только в Эпсилон-регрессии
SVM::OPT_P
Обучающий параметр для Эпсилон-регрессии SVR
SVM::OPT_COEF_ZERO
Параметр алгоритма для полиноминального и сигмоидного ядра
SVM::OPT_C
Опция для параметра стоимости, контролирующего компромисс между ошибками и неопределённостями - фактически штраф за ошибочную классификацию обучающих примеров.
SVM::OPT_CACHE_SIZE
Размер кеша в памяти в мегабайтах