Weka Classifier图书馆的名称 | 算法描述 | 缩写 | 使用参数 |
---|---|---|---|
多层的感觉器 | 基于错误率(即损耗),用于调整神经网络的权重的主网络。 | BNN. | autobuild:true; 学习率:0.3; 势头:0.1; 培训时间:500 隐藏层= 25 |
libsvm. | 此库使用户能够处理单级SVM,回归SVM和NU-SVM。允许许多有用的统计数据包括混淆矩阵,精度估计,ROC得分。 | libsvm. | SVM类型:NU-SVC; 内核类型:径向基函数; nu:0.g; 伽玛:0.1; 学位:3 规范化:真实; 概率估计:真实 |
物流 | 用于构建和使用具有脊估计器的多型物流回归模型。 | 日志 | 调试:假; maxits:-1; 山脊:1.0e-6 |
随机森林 | 此分类器可以创建随机树的森林。它从训练数据的引导样本引起每个组成决策树 | RF. | 调试:假; maxdepth:0; 特点的数量:0; 树木的数量:10; 种子:1 |