Opciones de experto del nodo SVM

Las opciones de experto le permiten ajustar el proceso de entrenamiento, si tiene amplios conocimientos sobre máquinas de vectores de soporte. Para acceder a estas opciones, active el modo Experto en la pestaña Experto.

Añadir todas las probabilidades (válido para objetivos categóricos únicamente). Si está seleccionada, especifica que las posibilidades de cada valor posible de un campo objetivo nominal o marca se representan para cada registro que procesa el nodo. Si no se ha seleccionado esta opción, sólo se representa la probabilidad del valor predicho de campos objetivo nominal o marca. El ajuste de esta casilla de verificación determina el estado predeterminado de la casilla de verificación correspondiente de la representación de nugget de modelo.

Criterios de detención. Determina cuándo detener el algoritmo de optimización. Los valores van del 1.0E-1 a 1.0E-6; el valor predeterminado es 1.0E-3. Reducir el valor da como resultado un modelo más preciso, pero el modelo tardará más tiempo en entrenar.

Parámetro de regularización (C). Controla el equilibrio entre la maximización del margen y la minimización del término de error de entrenamiento. El valor normalmente debe estar entre 1 y 10 inclusive; el valor predeterminado es 10. Si aumenta el valor, mejorará la precisión (o reducirá el error de regresión) de los datos de formación, pero también puede suponer un ajuste por exceso.

Precisión de regresión (epsilon). Sólo se utiliza si el nivel de medición del campo objetivo es Continuo. Causa errores que serán aceptables si son inferiores al valor especificado. Si aumenta el valor, el modelado será más rápido, pero en detrimento de la precisión.

Tipo Kernel. Determina el tipo de función kernel utilizada para la transformación. Los diferentes tipos de kernel causan que el separador se calcule de diferentes formas, por lo que es aconsejable que experimente con las diferentes opciones. El valor predeterminado es RBF (Función de base radial).

RBF gamma. Sólo se activa si el tipo de kernel está definido como RBF. El valor suele oscilar entre 3/k y 6/k, donde k es el número de campos de entrada. Por ejemplo, si hay 12 campos de entrada, los valores entre 0,25 y 0,5 serán significativos. Si aumenta el valor, mejorará la precisión (o reducirá el error de regresión) de los datos de formación, pero también puede suponer un ajuste por exceso.

Gamma. Sólo se activa si el tipo de kernel está definido como Polinómico o Sigmoide. Si aumenta el valor, mejorará la precisión (o reducirá el error de regresión) de los datos de formación, pero también puede suponer un ajuste por exceso.

Sesgo. Sólo se activa si el tipo de kernel está definido como Polinómico o Sigmoide. Define el valor coef0 en la función kernel. El valor predeterminado 0 es el adecuado en la mayoría de los casos.

Grado. Sólo se activa si el tipo de kernel está definido como Polinómico. Controla la complejidad (dimensión) del espacio de correlación. Normalmente no utilizará un valor superior a 10.