الوصف
NET = SVMCV (NET ، X ، Y ، RANGE)
بالنظر إلى بنية دعم Vector Machine المبدئية NET ، يتم حساب أفضل إعداد لمعلمات kernel عبر التحقق من صحة 10 أضعاف. يتم عمل السيرة الذاتية على نقاط البيانات X (نقطة واحدة لكل صف) مع القيم المستهدفة Y (+1 أو -1). تقع معلمات kernel التي تم اختبارها بين MIN (RANGE) و MAX (RANGE) ، بدءًا من MIN (RANGE) لنواة “rbf” و MAX (RANGE) لجميع وظائف kernel الأخرى. قد يكون RANGE أيضًا متجهًا بطول أكبر من 2 ، وفي هذه الحالة يتم أخذ RANGE كتسلسل صريح لمعلمات kernel التي تم اختبارها. يعمل SVMCV فقط لوظائف kernel التي تتطلب معلمة واحدة.
[NET، CVERR، PARAMSEQ] = SVMCV (NET، X، Y، RANGE، STEP، NFOLD)
يتم إنشاء تسلسل معلمات الاختبار بواسطة Param (t + 1) = Param (t) * STEP لـ “rbf” kernels ، و Param (t + 1) = Param (t) + STEP لجميع النوى الأخرى. القيمة الافتراضية: SQRT (2) لـ “rbf” ، وإلا -1. حدد المعلمات بناءً على التحقق المتقاطع من NFOLD. إذا كانت STEP == [] ، يتم تفسير RANGE مرة أخرى على أنها تسلسل صريح لمعلمات kernel.
يتم إرجاع تسلسل المعلمة المختبرة في PARAMSEQ. لكل إدخال PARAMSEQ (i) ، يوجد سطر واحد CVERR (i، 🙂 يصف الخطأ المقدر لمجموعة الاختبار. CVERR (i ، 1) هو المتوسط ، CVERR (i ، 2) هو تباين خطأ مجموعة الاختبار على جميع عمليات تشغيل NFOLD.
[NET، CVERR، PARAMSEQ] = SVMCV (NET، X، Y، RANGE، STEP، 1، XV، YV)
هل اختيار المعلمة يعتمد على مجموعة تحقق ثابتة واحدة XV و YV. CVERR (i، 2) == 0 لجميع إعدادات المعلمات المختبرة. NET = SVMCV (NET ، X ، Y ، RANGE ، STEP ، 1 ، XV ، YV ، DODISPLAY) تعرض معلومات الخطأ لجميع المعلمات التي تم اختبارها. DODISPLAY == 0 لا يظهر أي شيء ، DODISPLAY == 1 يعرض ملخص السيرة الذاتية النهائي (افتراضي) ،
يُظهر DODISPLAY == 2 أيضًا خطأ مجموعة الاختبار لكل SVM مدرب ، DODISPLAY == 3 يتضمن الإخراج الذي تم إنتاجه بواسطة SVMTRAIN.
يبني هرمًا مكانيًا مطابقًا لمصنف SVM
عد الخلايا عن طريق تحويل هوغ ومصنف SVM
المراجعات
لا توجد مراجعات بعد.