ai.onnx.ml - SVMClassifier¶
SVMClassifier - 1 (ai.onnx.ml)¶
版本¶
域:
ai.onnx.ml
起始版本:
1
函数:
False
支持级别:
SupportType.COMMON
形状推断:
True
该算子的此版本**自 ai.onnx.ml 域的 1 版本起**可用。
摘要¶
支持向量机分类器
属性¶
classlabels_ints - INTS :
当使用整数标签时,这些是类标签。
必须定义 'classlabels_*' 属性中的一个且仅一个。classlabels_strings - STRINGS :
当使用字符串标签时,这些是类标签。
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,按此顺序排列。如果核函数未使用,则为零。
kernel_type - STRING (默认值是
'LINEAR'
)核函数类型,可以是 'LINEAR'、'POLY'、'RBF'、'SIGMOID' 之一。
post_transform - STRING (默认值为
'NONE'
)指示应用于分数的变换。
可以是 ‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ 或 ‘PROBIT’ 之一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。
如果提供了这些值,则输出 Z 是概率估计值,否则它们是原始分数。rho - FLOATS :
support_vectors - FLOATS :
vectors_per_class - INTS :
输入¶
X (异构) - T1
待分类的数据。
输出¶
Y (异构) - T2
分类输出(每个示例一个类)。
Z (异构) - tensor(float)
类分数(每个示例每个类一个),如果提供了 prob_a 和 prob_b,则它们是每个类的概率,否则它们是原始分数。
类型约束¶
T1 (
tensor(double)
,tensor(float)
,tensor(int32)
,tensor(int64)
)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,具体取决于使用的 classlabels_* 属性。其大小将与输入的批次大小匹配。