ai.onnx.ml - SVMClassifier¶
SVMClassifier - 1 (ai.onnx.ml)¶
版本¶
域:
ai.onnx.ml自版本:
1函数:
False支持级别:
SupportType.COMMON形状推断:
True
此版本的运算符自 ai.onnx.ml 域的版本 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 元素列表，按此顺序排列。如果内核未使用，则为零。
kernel_type - STRING (默认值为
'LINEAR')内核类型，为 ‘LINEAR’、‘POLY’、‘RBF’ 或 ‘SIGMOID’ 之一。
post_transform - STRING (默认值为
'NONE')指示要应用于分数的变换。
为 ‘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。
如果提供这些系数，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
要分类的数据。
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 prob_a 和 prob_b，则它们是每个类的概率，否则为原始分数。
类型约束¶
T1 在 (
tensor(double),tensor(float),tensor(int32),tensor(int64)) 中输入必须是数字类型的张量，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的张量，具体取决于使用哪个 classlabels_* 属性。其大小将与输入的批次大小匹配。