ai.onnx.ml - SVMClassifier¶
SVMClassifier - 1 (ai.onnx.ml)¶
版本¶
域:
ai.onnx.ml始于版本:
1函数:
False支持级别:
SupportType.COMMON形状推断:
True
该版本的算子自域 ai.onnx.ml 的版本 1 起可用。
摘要¶
支持向量机分类器
属性¶
classlabels_ints - INTS :
如果使用整数标签，则为类别标签。
必须定义'classlabels_*'属性中的一个且仅一个。classlabels_strings - STRINGS :
如果使用字符串标签，则为类别标签。
必须定义'classlabels_*'属性中的一个且仅一个。coefficients - FLOATS :
kernel_params - FLOATS :
包含 gamma、coef0 和 degree 的 3 个元素的列表，按该顺序排列。如果内核未使用则为零。
kernel_type - STRING（默认值为
'LINEAR'）核类型，可为 'LINEAR'、'POLY'、'RBF'、'SIGMOID' 中的一种。
post_transform - STRING（默认值为
'NONE'）指示要应用于分数的转换。
可为 'NONE'、'SOFTMAX'、'LOGISTIC'、'SOFTMAX_ZERO' 或 'PROBIT' 中的一种prob_a - FLOATS :
第一组概率系数。
prob_b - FLOATS :
第二组概率系数。此数组的大小必须与 prob_a 相同。
如果提供了这些参数，则输出 Z 为概率估计值，否则为原始分数。rho - FLOATS :
support_vectors - FLOATS :
vectors_per_class - INTS :
输入¶
X（异构）- T1
待分类数据。
输出¶
Y（异构）- T2
分类输出（每个样本一个类别）。
Z（异构）- tensor(float)
类别分数（每个样本的每个类别一个），如果提供了 prob_a 和 prob_b，它们是每个类别的概率，否则是原始分数。
类型约束¶
T1 在 (
tensor(double),tensor(float),tensor(int32),tensor(int64)) 中输入必须是数值类型的张量，可以是 [C] 或 [N,C]。
T2 在 (
tensor(int64),tensor(string)) 中输出类型将是字符串或整数张量，取决于使用了哪个 classlabels_* 属性。其大小将匹配输入的批量大小。