ai.onnx.ml - SVM分类器

SVM分类器 - 1 (ai.onnx.ml)

版本

• 名称: SVMClassifier (GitHub)

• 领域: ai.onnx.ml

• since_version: 1

• 函数: False

• support_level: SupportType.COMMON

• 形状推断: True

此版本的运算符自ai.onnx.ml域的第1版起已可用。

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。
  必须定义且仅定义一个‘classlabels_*’属性。

• classlabels_strings - 字符串 :

  如果使用字符串标签，则为类标签。
  必须定义且仅定义一个‘classlabels_*’属性。

• 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。如果内核未使用，则为零。

• kernel_type - STRING (默认是 'LINEAR'):

  内核类型，其中之一为‘LINEAR,’ ‘POLY,’ ‘RBF,’ ‘SIGMOID’。

• post_transform - STRING (默认值为 'NONE'):

  指示要应用于分数的转换。
  其中之一是‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ 或 ‘PROBIT’

• prob_a - FLOATS :

  第一组概率系数。

• prob_b - 浮点数 :

  第二组概率系数。此数组必须与prob_a大小相同。
  如果提供了这些系数，则输出Z为概率估计值，否则它们为原始分数。

• rho - 浮点数 :

• 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（每个示例一个类别）。

• Z (异构) - tensor(float):

  类别分数（每个示例每个类别一个），如果提供了prob_a和prob_b，它们是每个类别的概率，否则它们是原始分数。

类型约束

• T1 在 ( tensor(double), tensor(float), tensor(int32), tensor(int64) ) 中:

  输入必须是一个数值类型的张量，可以是 [C] 或 [N,C]。

• T2 在 ( tensor(int64), tensor(string) ) 中:

  输出类型将是一个字符串或整数的张量，具体取决于使用了哪个classlabels_*属性。其大小将与输入的批次大小匹配。