サポート ベクター 回帰
livsvm に基づいた エプシロン-サポート ベクター 回帰を実装するクラス。
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)
- $degree (int) - Kernel::POLYNOMIAL 関数の傾き (デフォルト 3)
- $epsilon (float) - epsilon-SVRの損失関数内のepsilon (デフォルト 0.1)
- $cost (float) - C-SVC のパラメータC (デフォルト 1.0)
- $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)
$regression = new SVR(Kernel::LINEAR);
$regression = new SVR(Kernel::LINEAR, $degree = 3, $epsilon=10.0);
学習
モデルを訓練するには、単純に標本と目的の値を(array
として)渡します。例:
use Phpml\Regression\SVR;
use Phpml\SupportVectorMachine\Kernel;
$samples = [[60], [61], [62], [63], [65]];
$targets = [3.1, 3.6, 3.8, 4, 4.1];
$regression = new SVR(Kernel::LINEAR);
$regression->train($samples, $targets);
複数のデータセットを使ってモデル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
標本の目標値を予測するためには、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:
$regression->predict([64])
// return 4.03