サポート ベクター 分類
libsvmに基づいたサポート ベクター マシーンを実装する分類器
コンストラクタのパラメータ
- $kernel (int) - アルゴリズムで使われるカーネルタイプ (デフォルト Kernel::LINEAR)
- $cost (float) - C-SVC のパラメータC (デフォルト 1.0)
- $degree (int) - Kernel::POLYNOMIAL 関数の傾き (デフォルト 3)
- $gamma (float) - ‘Kernel::RBF’, ‘Kernel::POLYNOMIAL’ および ‘Kernel::SIGMOID’ のためのカーネル係数。gamma が ‘null’ の場合、1/features が代わりに使われます。
- $coef0 (float) - カーネル関数の非依存条件‘Kernel::POLYNOMIAL’ および ‘Kernel::SIGMOID’ でのみ意味があります (デフォルト 0.0)
- $tolerance (float) - 終了条件 (デフォルト 0.001)
- $cacheSize (int) - MB単位のキャッシュメモリサイズ (デフォルト 100)
- $shrinking (bool) - シュリンク ヒューリスティクスを使うかどうか (デフォルト true)
- $probabilityEstimates (bool) - 確率予測を有効にするかどうか (デフォルト false)
$classifier = new SVC(Kernel::LINEAR, $cost = 1000);
$classifier = new SVC(Kernel::RBF, $cost = 1000, $degree = 3, $gamma = 6);
学習
分類器を訓練するには、単純に訓練サンプルとラベルを与えます (配列
として)。例:
use Phpml\Classification\SVC;
use Phpml\SupportVectorMachine\Kernel;
$samples = [[1, 3], [1, 4], [2, 4], [3, 1], [4, 1], [4, 2]];
$labels = ['a', 'a', 'a', 'b', 'b', 'b'];
$classifier = new SVC(Kernel::LINEAR, $cost = 1000);
$classifier->train($samples, $labels);
複数のデータセットを使って分類器を訓練することができます。予測は全ての訓練データに基づきます。
予測
サンプルのラベルを予測するには、predict
メソッドを使います。1つのサンプルあるいは、サンプルの配列を与えることができます:
$classifier->predict([3, 2]);
// return 'b'
$classifier->predict([[3, 2], [1, 5]]);
// return ['b', 'a']