PHP Conference Nagoya 2025

La clase SVM

(PECL svm >= 0.1.0)

Introducción

Sinopsis de la Clase

class SVM {
/* Constantes */
const int C_SVC = 0;
const int NU_SVC = 1;
const int ONE_CLASS = 2;
const int EPSILON_SVR = 3;
const int NU_SVR = 4;
const int KERNEL_LINEAR = 0;
const int KERNEL_POLY = 1;
const int KERNEL_RBF = 2;
const int KERNEL_SIGMOID = 3;
const int OPT_TYPE = 101;
const int OPT_KERNEL_TYPE = 102;
const int OPT_DEGREE = 103;
const int OPT_SHRINKING = 104;
const int OPT_PROPABILITY = 105;
const int OPT_GAMMA = 201;
const int OPT_NU = 202;
const int OPT_EPS = 203;
const int OPT_P = 204;
const int OPT_COEF_ZERO = 205;
const int OPT_C = 206;
const int OPT_CACHE_SIZE = 207;
/* Métodos */
public __construct()
public svm::crossvalidate(array $problem, int $number_of_folds): float
public getOptions(): array
public setOptions(array $params): bool
public svm::train(array $problem, array $weights = ?): SVMModel
}

Constantes predefinidas

SVM Constants

SVM::C_SVC

El tipo básico C_SVC SVM. Es el tipo por defecto. Un buen punto de partida.

SVM::NU_SVC

El tipo NU_SVC usa una diferente y más flexible ponderación de errores.

SVM::ONE_CLASS

Una clase de tipo SVM. Guía simplemente a una clase, usando valores extremos como ejemplos negativos.

SVM::EPSILON_SVR

Un tipo SVM para regresión (prediciento un valor más que símplemente una clase)

SVM::NU_SVR

Un tipo de regresión SVM al estilo NU.

SVM::KERNEL_LINEAR

Un núcleo muy simple, puede funcionar bien con problemas de clasificación de documentos grandes.

SVM::KERNEL_POLY

Un núcleo polinómico

SVM::KERNEL_RBF

El común nucleo Gaussiano RBD. Maneja bien problemas no lineales y es un buen estándar para la clasificación.

SVM::KERNEL_SIGMOID

Un núcleo basado en la función sigmoid. Usando esta, SVM se hace muy similar a sigmoid de dos capas basado en redes neuronales.

SVM::KERNEL_PRECOMPUTED

Un núcleo precalculado - actualmente sin soporte.

SVM::OPT_TYPE

La clave de opciones para el tipo SVM

SVM::OPT_KERNEL_TYPE

La clave opcional para el tipo de núcleo

SVM::OPT_DEGREE

SVM::OPT_SHRINKING

Parámetro de formación, booleano, para cualquier uso de reducciones heurísticas.

SVM::OPT_PROBABILITY

Parámetro de formación, booleano, para recaudar y estimar el uso de probabilidades.

SVM::OPT_GAMMA

Parámetro algorítmico para usar Poly, RBF y Sigmoid como tipos de núcleo.

SVM::OPT_NU

La clave de opción para el parámetro NU, solo usado en tipos NU_ SVM.

SVM::OPT_EPS

La clave para la opción del parámetro Epsilon, Usada en regresiones epsilon.

SVM::OPT_P

Parámetro de formación usado por regresiones Episilon SVR

SVM::OPT_COEF_ZERO

Parámetro para el algoritmo de núcleos poly y sigmoid

SVM::OPT_C

La opción para el parámetro de coste que controla la compensación entre errores y generalidad - efectivamente la sanción por la clasificación errónea de los ejemplos de formación.

SVM::OPT_CACHE_SIZE

Tamaño de la memoria caché, en MB.

Tabla de contenidos

add a note

User Contributed Notes

There are no user contributed notes for this page.
To Top