Support Vector regression¶
IIl modulo effettua la classificazione di immagini o vettori usando l’algoritmo di supervisionato non-parametrico Support Vector Regression (SVR). L’algoritmo SVM si basa sul principio che lo spazio delle variabili di partenza può essere trasformato in uno spazio a più alta dimensionalità in cui la stima lineare è possibile. La trasformazione è effettuata utilizzando una funzione kernel. Gli input allo stimatore sono un file vettoriale contente una colonna con l’indicazione del target da stimare in formato numerico, e (opzionale) l’indicazione delle variabili (attributi del vettore) da usare nella stima. L’utente potrà anche inserire un vettoriale da usare nella fase di validazione o di mappatura di un’area più ampia (es. vettoriale di una griglia).
Input¶
Dati di input vettoriale: file vettoriale contente le aree di training e l’indicazione dei target.
Seleziona la colonna con indicazione del parametro da stimare: selezionare tra le colonne del file vettoriale quella che indica il parametro da stimare.
Parametri¶
Effettuare la cross-validation: se scelto viene effettuata la cross validation.
Inserire il numero di fold della cross-validation: inserire il numero di fold della cross-validation.
Selezionare il kernel da utilizzare:
- RBF: kernel di tipo gaussiano Radial Basis Function (scelta consigliata).
- lineare: kernel di tipo lineare.
- polinomiale: kernel polinomiale.
Warning
Si suggerisce di evitare il kernel lineare poichè fa aumentare a dismisura i tempi di elaborazione.
Inserire il parametro C: parametro di regolarizzazione. Valori suggeriti: numero intero tra 1 e 100.
Inserire il valore di epsilon: parametro dello stimatore SVR.
Inserire il valore di gamma (opzionale): parametro del kernel RBF, sigmoidale e polinomiale.
Inserire il valore di r (opzionale): parametro r del kernel sigmoidale e polinomiale.
Inserire il valore del grado del polinomio (opzionale): parametro del kernel polinomiale.
Selezionare la trasformazione: scegliere la trasformazione da applicare alla colonna target. La trasformazione può aiutare ad ottenere un modello lineare nel caso la distribuzione dei dati non lo sia.
Selezione variabili:
- no: nessuna selezione delle variabili.
- manuale: le variabili vengono selezionate manualmente.
- file: le variabili sono scelte in base al file di output del modulo “Selezione variabili per la stima”.
Seleziona le variabili da utilizzare cliccandoci sopra (opzionale): selezionare le variabili da utilizzare. Se non si seleziona nulla vengono usate tutte le variabili.
File di selezione (opzionale): inserire il file ottenuto in output dal modulo “Selezione variabili per la stima”. Attivato solo se l’opzione “file” viene scelta nel menu “selezione variabili”.
Vettoriale di validazione (opzionale): file vettoriale contenente le aree di validazione o di mappatura. I nomi delle colonne del vettoriale devono essere le stesse delle varaibili utilizzate nella creazione del modello.
Seleziona la colonna per la validazione (opzionale): selezionare tra le colonne del file vettoriale quella che indica il target. Se si effettua la mappatura non ve scelto nulla.
Indice di accuratezza per la selezione del modello (opzionale):
- MSE: Mean Square Error.
- R2: R2.
Creare output: se scelto viene creato l’output, ovvero un vettoriale uguiale a quello di validazione/mappatura con un campo aggiuntivo col parametro stimato. Se non viene dato nessun input alla voce Vettoriale di validazione l’output verrà creato partendo dal vettoriale di training.
Output¶
Risultato: inserire il percorso e il nome del file di output.
Colonna per i valori della stima: nome della colonna dove verranno salvati i valori stimati. Al nome indicato viene aggiunta in fondo una S per indicare ceh la stima è stata effettuata mediante stimatore SVR.