oneClassSvm: oneClassSvm

Crea una lista que contiene el nombre de la función y los argumentos para entrenar un modelo de OneClassSvm con rxEnsemble.

Uso

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

Argumentos

cacheSize

Tamaño máximo en MB de la memoria caché que almacena los datos de entrenamiento. Aumente esto para grandes conjuntos de entrenamiento. El valor predeterminado es 100 MB.

kernel

Cadena de caracteres que representa el kernel usado para calcular productos internos. Para obtener más información, consulte maKernel. Están disponibles las siguientes opciones:

• rbfKernel(): kernel de función base radial. Su parámetro representa gamma en el término exp(-gamma|x-y|^2. Si no se especifica, el valor predeterminado se divide por el número de características usadas 1 . Por ejemplo: rbfKernel(gamma = .1). Este es el valor predeterminado.
• linearKernel(): kernel lineal.
• polynomialKernel(): kernel polinómico con nombres ade parámetro , biasy deg en el término (a*<x,y> + bias)^deg. , biasel valor predeterminado es 0. El valor predeterminado de degree, deg, es 3. Si a no se especifica, se establece en 1 dividido por el número de características. Por ejemplo: maKernelPoynomial(bias = 0, deg = `` 3).
• sigmoidKernel(): kernel sigmoid con nombres gamma de parámetro y coef0 en el término tanh(gamma*<x,y> + coef0). gamma, el valor predeterminado se 1 divide por el número de características. El parámetro coef0 tiene 0como valor predeterminado . Por ejemplo: sigmoidKernel(gamma = .1, coef0 = 0).

epsilon

Umbral para la convergencia del optimizador. Si la mejora entre las iteraciones es menor que el umbral, el algoritmo se detiene y devuelve el modelo actual. El valor debe ser mayor o igual que .Machine$double.eps. El valor predeterminado es 0,001.

nu

El equilibrio entre la fracción de valores atípicos y el número de vectores de soporte (representados por la letra griega nu). Debe estar comprendido entre 0 y 1, normalmente entre 0,1 y 0,5. El valor predeterminado es 0.1.

shrink

Usa la heurística de reducción si TRUE. En este caso, algunas muestras se "reducirán" durante el procedimiento de entrenamiento, lo que puede acelerar el entrenamiento. El valor predeterminado es TRUE.

...

Argumentos adicionales que se van a pasar directamente al motor de proceso de Microsoft.