ai.onnx.ml - SVMClassifier

SVMClassifier - 1 (ai.onnx.ml)

版本

• 名稱: SVMClassifier (GitHub)

• 網域: ai.onnx.ml

• since_version: 1

• function: False

• support_level: SupportType.COMMON

• 形狀推斷: True

此版本的運算子自網域 ai.onnx.ml 的版本 1 開始提供。

摘要

支援向量機分類器

屬性

• classlabels_ints - INTS :

  如果使用整數標籤，則為類別標籤。
  必須定義 ‘classlabels_*’ 屬性中的一個，而且只有一個。

• classlabels_strings - STRINGS :

  如果使用字串標籤，則為類別標籤。
  必須定義 ‘classlabels_*’ 屬性中的一個，而且只有一個。

• coefficients - FLOATS :

• kernel_params - FLOATS :

  依序包含 gamma、coef0 和 degree 的 3 個元素清單。如果核心未使用，則為零。

• kernel_type - STRING (預設為 'LINEAR')

  核心類型，為 ‘LINEAR’、’POLY’、’RBF’、’SIGMOID’ 其中之一。

• post_transform - STRING (預設為 'NONE')

  表示要套用至分數的轉換。
  為 ‘NONE’、’SOFTMAX’、’LOGISTIC’、’SOFTMAX_ZERO’ 或 ‘PROBIT’ 其中之一

• prob_a - FLOATS :

  第一組機率係數。

• prob_b - FLOATS :

  第二組機率係數。此陣列的大小必須與 prob_a 相同。
  如果提供這些，則輸出 Z 是機率估計值，否則它們是原始分數。

• rho - FLOATS :

• support_vectors - FLOATS :

• vectors_per_class - INTS :

輸入

• X (異質) - T1

  要分類的資料。

輸出

• Y (異質) - T2

  分類輸出 (每個範例一個類別)。

• Z (異質) - tensor(float)

  類別分數 (每個範例每個類別一個)，如果提供 prob_a 和 prob_b，則它們是每個類別的機率，否則它們是原始分數。

類型限制

• T1 in ( tensor(double), tensor(float), tensor(int32), tensor(int64) )

  輸入必須是數值類型的張量，可以是 [C] 或 [N,C]。

• T2 in ( tensor(int64), tensor(string) )

  輸出類型將是字串或整數張量，具體取決於使用哪個 classlabels_* 屬性。其大小將與輸入的批次大小相符。