wsvm.boost(wSVM)
wsvm.boost()所属R语言包:wSVM
Weighted SVM using boosting algorithm
提高算法的加权SVM
译者:生物统计家园网 机器人LoveR
描述----------Description----------
Improve accuracy for learning algorithm to bond with a lot of weak classifiers to construct the only one strong classifier.
债券,大量的弱分类器学习算法,构建一个强大的分类,提高精确度。
用法----------Usage----------
wsvm.boost(X, Y, new.X, new.Y, c.n, B = 50, kernel.type = list(type = "rbf", par= 0.5), C = 4, eps = 1e-10, plotting = FALSE)
参数----------Arguments----------
参数:X
input variable matrix to generate kernel. Data type must be a matrix format.
输入变量矩阵生成内核。数据类型必须是一个矩阵格式。
参数:Y
output variable vector which will be declared as a matrix in SVM. Data type must be a matrix format.
输出变量的向量,将被宣布为支持向量机中的矩阵。数据类型必须是一个矩阵格式。
参数:new.X
test predictors.
测试的预测因子。
参数:new.Y
test response.
测试响应。
参数:c.n
weighted term.
加权期限。
参数:B
the number of iterations.
的迭代次数。
参数:kernel.type
set an attributes of kernel using list(). kernel$type means a type of kernel, including 'linear', 'poly', and 'rbf'. kernel$par means a parameter of kernel. For example, par = degree for 'poly' and par = scale for 'rbf'.
设置内核使用列表的属性()。内核$类型指类型的内核,包括线性,多聚,和对rbf。内核美元面值是指内核的参数。例如,PAR =“聚”和PAR =RBF规模的程度。
参数:C
regularization parameter.
正则化参数。
参数:eps
epsilon value.
epsilon值。
参数:plotting
logical values. If TRUE, plot the result.
逻辑值。如果是TRUE,绘制结果。
值----------Value----------
A function wsvm.boost generates a list consists of error.rate and predicted.model.<br> <table summary="R valueblock"> <tr valign="top"><td>error.rate</td> <td> misclassification error rate </td></tr> <tr valign="top"><td>predicted.model</td> <td> predicted model </td></tr> </table>
一个的功能wsvm.boost生成一个列表,包括的error.rate和predicted.model。<table summary="R valueblock"> <tr valign="top"> <TD>error.rate</ TD> <TD>误分率</ TD> </ TR> <tr valign="top"> <TD> predicted.model</ TD> <TD>预测模型</ TD> </ TR> </表>
(作者)----------Author(s)----------
SungWhan Kim <a href="mailto:swiss747@korea.ac.kr">swiss747@korea.ac.kr</a> <br>
Soo-Heang Eo <a href="mailto:hanansh@korea.ac.kr">hanansh@korea.ac.kr</a>
参考文献----------References----------
SungWhan Kim (2010). Weighted K-means SVM with Boosting algorithm for improving accuracy, Master Thesis, Korea University.
参见----------See Also----------
wsvm, wsvm.predict
wsvm,wsvm.predict
实例----------Examples----------
# generate a simulation data set using mixture example(page 17, Friedman et al. 2000)[生成一个仿真数据集,使用混合的例子(第17页,弗里德曼等人,2000)]
svm.data <- simul.wsvm(set.seeds = 123)
X <- svm.data$X
Y <- svm.data$Y
new.X <- svm.data$new.X
new.Y <- svm.data$new.Y
# run Weighted K-means clustering SVM with boosting algorithm[与提高运行加权K-means聚类SVM算法]
model <- wsvm(X, Y, c.n = rep(1/ length(Y),length(Y)))
# predict the model and compute an error rate. [预测模型和计算的错误率。]
pred <- wsvm.predict(X,Y, new.X, new.Y, model)
Error.rate(pred$predicted.Y, Y)
# add boost algorithm[添加提高算法]
boo <- wsvm.boost(X, Y, new.X, new.Y, c.n = rep(1 / length(Y),length(Y)),
B = 50, kernel.type = list(type = "rbf", par= 0.5), C = 4,
eps = 1e-10, plotting = TRUE)
boo
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注:
注1:为了方便大家学习,本文档为生物统计家园网机器人LoveR翻译而成,仅供个人R语言学习参考使用,生物统计家园保留版权。
注2:由于是机器人自动翻译,难免有不准确之处,使用时仔细对照中、英文内容进行反复理解,可以帮助R语言的学习。
注3:如遇到不准确之处,请在本贴的后面进行回帖,我们会逐渐进行修订。
|