名前
weka.classifiers.functions.SMO

---

構文
ジョン・プラットの連続した最小量の最適化を実行します。サポートベクトルクラシファイア

を訓練するためのアルゴリズムそしてこの実現がすべての欠測値にグローバルに取って代わる。名目上の属性を2進のものに変えます。 それもデフォルトですべての属性を正常にします。 (その場合、係数出力では、正常にされたデータに基づいています。オリジナルのデータ--- クラシファイア)

を解釈するのに、これは重要です。多のクラス問題は、対状分類

を使用することで解決されています。適切な確率見積りを得るには、合うオプションを使用してください。サポートベクトルの出力へのロジスティクスの回帰モデル機械加工します。 予測された確率の多のクラス場合でヘイスティーとTibshiraniの対状カップリングを使用することで、結合されます。方法

注意: 改良された速度において、正常化はいつからターンされるべきであるか。SparseInstances

を作動させます。SMOアルゴリズムの詳しい情報に関しては、

を見てください。J. Platt (1998). "Fast Training of Support Vector Machines using Sequential Minimal Optimization". Advances in Kernel Methods - Support Vector Learning, B. Schoelkopf, C. Burges, and A. Smola, eds., MIT Press.

S.S. Keerthi, S.K. Shevade, C. Bhattacharyya, K.R.K. Murthy, "Improvements to Platt's SMO Algorithm for SVM Classifier Design". Neural Computation, 13(3), pp 637-649, 2001.

オプション
buildLogisticModels -- 出力にロジスティックモデルに合うかどうか、(適切確率見積り)

c -- 複雑さパラメタC。

cacheSize -- カーネルキャッシュ(素数であるべきである)のサイズ。 完全なキャッシュに0を使用してください。

debug -- trueに設定されると，分類学習アルゴリズムは追加インフォメーションをコンソールに出力します．

epsilon -- 下にラウンド誤り(変えるべきでない)のためのイプシロン。

exponent -- 多項式カーネルのための解説者。

featureSpaceNormalization -- 特徴宇宙正常化が実行される、(唯一非線形の多項式カーネルに利用可能である、)

filterType -- /がデータであるならどのように変えられるかを決定します。

gamma -- RBFカーネルのためのガンマパラメタの値。

lowerOrderTerms -- また、下層階級polyomialsが使用される、(唯一非線形の多項式カーネルに利用可能である、)

numFolds -- 発生するのにおいて中古の交差している合法化のための折り目の数ロジスティックモデル(-1の手段がトレーニングデータを使用します)のためにデータを訓練します。

randomSeed -- 交差している合法化のための乱数種子。

toleranceParameter -- 寛容パラメタ(変えるべきではありません)。

useRBF -- 多項式1の代わりにRBFカーネルを使用しますか?