array ( 0 => 'index.php', 1 => 'PHP Manual', ), 'head' => array ( 0 => 'UTF-8', 1 => 'ru', ), 'this' => array ( 0 => 'svm.crossvalidate.php', 1 => 'SVM::crossvalidate', 2 => 'Тестирование обучающих параметров на подмножествах обучающих данных', ), 'up' => array ( 0 => 'class.svm.php', 1 => 'SVM', ), 'prev' => array ( 0 => 'svm.construct.php', 1 => 'SVM::__construct', ), 'next' => array ( 0 => 'svm.getoptions.php', 1 => 'SVM::getOptions', ), 'alternatives' => array ( ), 'source' => array ( 'lang' => 'ru', 'path' => 'reference/svm/svm/crossvalidate.xml', ), 'history' => array ( ), ); $setup["toc"] = $TOC; $setup["toc_deprecated"] = $TOC_DEPRECATED; $setup["parents"] = $PARENTS; manual_setup($setup); contributors($setup); ?>

SVM::crossvalidate

(PECL svm >= 0.1.0)

SVM::crossvalidate — Тестирование обучающих параметров на подмножествах обучающих данных

Описание

public svm::crossvalidate(array $problem, int $number_of_folds): float

Перекрёстная проверка может быть использована для проверки эффективности текущего набора параметров для подмножествах обучающих данных. Заданы набор данных по проблеме и количество "свёрток", фактически означающее на сколько подмножеств делить заданный набор, чтобы в цикле обучаться на одном подмножестве и тестироваться на другом. В целом точность будет ниже, чем при обучении на полном наборе данных, но возвращаемая оценка будет полезна для сравнения качества обучения с использованием разных параметров.

Список параметров

problem
Данные по проблеме. Могут быть как массивом, так и ссылкой на файл в формате SVMLight или на поток, предоставляющий источник данных в формате SVMLight.
number_of_folds
Количество подмножеств, на которые будет разделён общих набор обучающих данных. Чем больше это число, тем более короткими и менее надёжными будут обучающие наборы. Хорошее число для начала - 5.

Возвращаемые значения

Процент корректной классификации в виде числа в диапазоне от 0 до 1. В случае ядер NU_SVC и EPSILON_SVR будет возвращена среднеквадратичная ошибка.

Смотрите также