R parsnip svm_poly 多项式支持向量机

svm_poly() 定义支持向量机模型。对于分类，模型尝试使用多项式类边界来最大化类之间的间隔宽度。对于回归，模型优化了一个稳健的损失函数，该函数仅受非常大的模型残差的影响，并使用预测变量的多项式函数。该函数可以拟合分类和回归模型。

拟合该模型的方法有多种，通过设置模型引擎来选择估计方法。下面列出了该模型的引擎特定页面。

• kernlab¹

有关如何操作的更多信息防风草用于建模的是https://www.tidymodels.org/.

用法

svm_poly(
  mode = "unknown",
  engine = "kernlab",
  cost = NULL,
  degree = NULL,
  scale_factor = NULL,
  margin = NULL
)

参数

mode

预测结果模式的单个字符串。此模型的可能值为"unknown"、"regression" 或"classification"。

engine

指定用于拟合的计算引擎的单个字符串。

cost

预测样本在边以内或错误一侧的成本的正数

degree

多项式次数为正数。

scale_factor

多项式比例因子的正数。

margin

SVM 不敏感损失函数中 epsilon 的正数(仅回归)

细节

此函数仅定义正在拟合的模型类型。一旦指定了引擎，也就定义了拟合模型的方法。有关设置引擎的更多信息，包括如何设置引擎参数，请参阅set_engine()。

在 fit() 函数与数据一起使用之前，模型不会经过训练或拟合。

此函数中除 mode 和 engine 之外的每个参数都被捕获为 quosures 。要以编程方式传递值，请使用injection operator，如下所示：

value <- 1
svm_poly(argument = !!value)

参考

https://www.tidymodels.org, Tidy Modeling with R, searchable table of parsnip models

也可以看看

例子

show_engines("svm_poly")
#> # A tibble: 2 × 2
#>   engine  mode          
#>   <chr>   <chr>         
#> 1 kernlab classification
#> 2 kernlab regression    

svm_poly(mode = "classification", degree = 1.2)
#> Polynomial Support Vector Machine Model Specification (classification)
#> 
#> Main Arguments:
#>   degree = 1.2
#> 
#> Computational engine: kernlab 
#>