Experto de nodo SVM de una clase

En la pestaña Experto del nodo SVM de una clase, puede elegir entre modo Simple o modo Experto. Si elige Simple, todos los parámetros se establecen con los valores predeterminados como se muestra a continuación. Si selecciona Experto, puede especificar valores personalizados para estos parámetros. Para obtener detalles adicionales sobre estas opciones, consulte http://scikit-learn.org/stable/modules/generated/sklearn.svm.OneClassSVM.html#sklearn.svm.OneClassSVM.

Criterios de parada. Especifique la tolerancia para los criterios de parada. El valor predeterminado es 1.0E-3 (0,001).

Precisión de regresión (nu). Límite en la fracción de errores de entrenamiento y vectores de soporte. El valor predeterminado es 0,1.

Tipo de kernel. Tipo de kernel a utilizar en el algoritmo. Las opciones incluyen RBF, Polinómico, Sigmoide, Lineal o Precalculado. El valor predeterminado es RBF.

Especificar Gamma. Seleccione esta opción para especificar Gamma. De lo contrario, se aplicará gamma automática.

Gamma. El valor Gamma solo está disponible para los tipos de kernel RBF, polinómico y Sigmoide.

Coef0. Coef0 solo está disponible para los tipos de kernel Polinómico y Sigmoide.

Grado. Grado solo está disponible para el tipo de kernel Polinómico.

Utilizar la heurística de reducción. Seleccione esta opción para utilizar la heurística de reducción. Esta opción está deseleccionada de forma predeterminada.

Especificar el tamaño de caché de kernel (e MB). Seleccione esta opción para especificar el tamaño de la memoria caché de kernel. Esta opción está deseleccionada de forma predeterminada. Cuando está seleccionada, el valor predeterminado es 200 MB.

Optimización de hiper-parámetro (basada en Rbfopt). Seleccione esta opción para habilitar la optimización de hiper-parámetro basada en Rbfopt, que descubre automáticamente la combinación óptima de parámetros, de forma que el modelo conseguirá el índice de error previsto o inferior en las muestras. Si desea detalles sobre Rbfopt, consulte http://rbfopt.readthedocs.io/en/latest/rbfopt_settings.html.

Objetivo. El valor de función de objetivo (índice de error del modelo en las muestras) que se desea alcanzar (por ejemplo, el valor del óptimo desconocido). Establezcalo en un valor aceptable como, por ejemplo, 0.01.

Máx de iteraciones. Número máximo de iteraciones para intentar el modelo. El valor predeterminado es 1000.

Máx de evaluaciones. Número máximo de evaluaciones de función para intentar el modelo, donde el foco es la precisión en la velocidad. El valor predeterminado es 300.