oneClassSvm: oneClassSvm

建立包含可使用 rxEnsemble 將 OneClassSvm 模型定型之函式名稱與引數的清單。

使用方式

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

儲存訓練資料的快取大小上限 (MB)。若是大型訓練集，請增加此值。預設值為 100 MB。

字元字串，表示用於計算內部產品的核心。如需詳細資訊，請參閱 maKernel。可用的選項如下：

rbfKernel()：放射狀基礎函數核心。其參數代表 exp(-gamma|x-y|^2 字詞中的 gamma。如果未指定，會預設為 1 除以使用的特徵數目。例如： rbfKernel(gamma = .1) 。這是預設值。
linearKernel()：線性核心。
polynomialKernel()：包含字詞 (a*<x,y> + bias)^deg 中參數名稱 a、bias 和 deg 的多項式核心。 bias，預設為 0。度數 deg，預設為 3。如果未指定 a，則會將其設為 1 除以特徵數目。例如： maKernelPoynomial(bias = 0, deg = `` 3) 。
sigmoidKernel()：包含字詞 tanh(gamma*<x,y> + coef0) 中參數名稱 gamma 和 coef0 的 Sigmoid 核心。 gamma，預設為 1 除以特徵數目。參數 coef0 預設為 0。例如： sigmoidKernel(gamma = .1, coef0 = 0) 。

最佳化工具收斂的閾值。換句話說，如果反覆運算之間的改進少於臨界值，此演算法會停止，並傳回目前的模型。此值必須大於或等於 .Machine$double.eps。預設值為 0.001。

極端值的分數與支援的向量數目之間的取捨 (以希臘字母表示)。必須介於 0 到 1 之間，通常介於 0.1 到 0.5 之間。預設值為 0.1。

如果為 TRUE，則會使用壓縮啟發學習法。在此情況下，某些樣本會在訓練程序中「壓縮」，從而加速訓練。預設值是 TRUE。

直接傳遞至 Microsoft Compute Engine 的額外引數。