當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文


R parsnip svm_rbf 徑向基函數支持向量機


svm_rbf() 定義支持向量機模型。對於分類,該模型嘗試使用非線性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,並使用預測變量的非線性函數。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。

1 默認引擎。

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_rbf(
  mode = "unknown",
  engine = "kernlab",
  cost = NULL,
  rbf_sigma = 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。下麵列出了可能的引擎。此模型的默認值是 "kernlab"

cost

預測樣本在邊以內或錯誤一側的成本的正數

rbf_sigma

徑向基函數的正數。

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()

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 modeengine 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_rbf(argument = !!value)

參考

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

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 
#> 
源代碼:R/svm_rbf.R

相關用法


注:本文由純淨天空篩選整理自Max Kuhn等大神的英文原創作品 Radial basis function support vector machines。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。