R parsnip svm_rbf 径向基函数支持向量机

svm_rbf() 定义支持向量机模型。对于分类，该模型尝试使用非线性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，并使用预测变量的非线性函数。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_rbf(
  mode = "unknown",
  engine = "kernlab",
  cost = NULL,
  rbf_sigma = 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。下面列出了可能的引擎。此模型的默认值是 "kernlab" 。

cost

预测样本在边以内或错误一侧的成本的正数

rbf_sigma

径向基函数的正数。

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_rbf(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_rbf")
#> # A tibble: 4 × 2
#>   engine    mode          
#>   <chr>     <chr>         
#> 1 kernlab   classification
#> 2 kernlab   regression    
#> 3 liquidSVM classification
#> 4 liquidSVM regression    

svm_rbf(mode = "classification", rbf_sigma = 0.2)
#> Radial Basis Function Support Vector Machine Model Specification (classification)
#> 
#> Main Arguments:
#>   rbf_sigma = 0.2
#> 
#> Computational engine: kernlab 
#>