R parsnip svm_poly 多項式支持向量機

svm_poly() 定義支持向量機模型。對於分類，模型嘗試使用多項式類邊界來最大化類之間的間隔寬度。對於回歸，模型優化了一個穩健的損失函數，該函數僅受非常大的模型殘差的影響，並使用預測變量的多項式函數。該函數可以擬合分類和回歸模型。

擬合該模型的方法有多種，通過設置模型引擎來選擇估計方法。下麵列出了該模型的引擎特定頁麵。

• kernlab¹

有關如何操作的更多信息防風草用於建模的是https://www.tidymodels.org/.

用法

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

參數

mode

預測結果模式的單個字符串。此模型的可能值為"unknown"、"regression" 或"classification"。

engine

指定用於擬合的計算引擎的單個字符串。

cost

預測樣本在邊以內或錯誤一側的成本的正數

degree

多項式次數為正數。

scale_factor

多項式比例因子的正數。

margin

SVM 不敏感損失函數中 epsilon 的正數(僅回歸)

細節

此函數僅定義正在擬合的模型類型。一旦指定了引擎，也就定義了擬合模型的方法。有關設置引擎的更多信息，包括如何設置引擎參數，請參閱set_engine()。

在 fit() 函數與數據一起使用之前，模型不會經過訓練或擬合。

此函數中除 mode 和 engine 之外的每個參數都被捕獲為 quosures 。要以編程方式傳遞值，請使用injection operator，如下所示：

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

參考

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 
#>