Opcje zaawansowane węzła SVM z jedną klasą

Na karcie ustawień zaawansowanych węzła SVM z jedną klasą można wybrać tryb Prosty albo Zaawansowany. W przypadku wybrania trybu Prosty wszystkim parametrom zostaną nadane wartości domyślne przedstawione poniżej. Wybranie trybu Zaawansowany umożliwi określenie niestandardowych wartości tych parametrów. Aby uzyskać więcej informacji o tych parametrach, patrz http://scikit-learn.org/stable/modules/generated/sklearn.svm.OneClassSVM.html#sklearn.svm.OneClassSVM.

Kryteria zatrzymania. Określ tolerancję jako kryterium zatrzymania. Wartość domyślna to 1.0E-3 (0.001).

Precyzja regresji (nu). Związana z ułamkiem błędów uczenia i wektorów pokrycia. Wartość domyślna to 0.1.

Typ jądra. Typ jądra algorytmu. Dostępne są jądra: RBF, Wielomianowe, Sigmoidalne, Liniowe i Wstępnie obliczone. Wartość domyślna to RBF.

Określ Gamma. Wybierz tę opcję, aby określić wartość Gamma. W przeciwnym razie użyta zostanie automatycznie określona wartość gamma.

Gamma. Ustawienie Gamma jest dostępne tylko dla algorytmów RBF, Wielomianowe i Sigmoidalne.

Coef0. Ustawienie Coef0 jest dostępne tylko dla algorytmów Wielomianowe i Sigmoidalne.

Stopnia. Ustawienie Stopień jest dostępne tylko dla algorytmu Wielomianowe.

Używaj heurystyki z redukcją. Wybierz tę opcję, aby używać heurystyki z redukcją. Ta opcja jest domyślnie niewybrana.

Określ wielkość pamięci podręcznej jądra (w MB). Wybierz tę opcję, aby określić wielkość pamięci podręcznej jądra. Ta opcja jest domyślnie niewybrana. Gdy jest wybrana, wartość domyślna wynosi 200 MB.

Optymalizacja hiperparametrów (wg Rbfopt). Wybranie tej opcji włącza optymalizację hiperparametrów opartą na Rbfopt, która automatycznie wykrywa optymalną kombinację parametrów, przy której model osiągnie oczekiwany lub niższy od oczekiwanego wskaźnika błędów dla prób. Aby uzyskać szczegółowe informacje na temat biblioteki Rbfopt, patrz http://rbfopt.readthedocs.io/en/latest/rbfopt_settings.html.

Zmienna przewidywana. Wartość funkcji celu (wskaźnik błędu modelu dla prób), którą chcemy osiągnąć (na przykład wartość nieznanego optimum). Należy podać wartość akceptowalną, na przykład 0,01.

Maks. liczba iteracji Maksymalna liczba iteracji na modelu. Wartość domyślna to 1000.

Maks. liczba ewaluacji. Określa, ile razy maksymalnie zostanie wyznaczona wartość funkcji na modelu, w sytuacji gdy ważniejsza od szybkości jest dokładność. Wartość domyślna to 300.