- پنج‌شنبه 21 آبان 1405 ساعت 21:05
- 0.6.2
- کامل شده
- منقضی شده
این داکیومنت از طرف توسعه‌دهنده ساپورت نمی‌شود، جدیدترین ورژن داکیومنت بزودی ترجمه خواهد شد.
Support Vector Regression یا SVR نسخه رگرسیونی ماشین بردار پشتیبان است. به‌جای پیش‌بینی برچسب کلاس، مقدار پیوسته را تخمین می‌زند و با استفاده از ناحیه تحمل خطا تلاش می‌کند مدلی با پیچیدگی کنترل‌شده بسازد.
نحوه کار و کاربرد
پارامترهای Kernel، C، Epsilon و Gamma بر انعطاف مدل و حساسیت آن به خطا اثر می‌گذارند. مقیاس‌بندی ویژگی‌ها و متغیر هدف اهمیت دارد و انتخاب پارامترها باید با اعتبارسنجی و معیارهایی مانند MAE یا RMSE انجام شود.
نمونه
use Phpml\Regression\SVR;
use Phpml\SupportVectorMachine\Kernel;
$samples = [[1],[2],[3],[4],[5]];
$targets = [2.1,4.0,6.2,8.1,10.2];
$regression = new SVR(Kernel::LINEAR);
$regression->train($samples, $targets);
$prediction = $regression->predict([3.5]);نکته
پارامترهای SVR را روی داده آزمون تنظیم نکنید تا نشت اطلاعات رخ ندهد.