ai.onnx.ml - SVMClassifier

SVMClassifier - 1 (ai.onnx.ml)

版本

  • 名称: SVMClassifier (GitHub)

  • : 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。