timbl - Bulutta Çevrimiçi

Program:

ADI

timbl - Tilburg Hafıza Tabanlı Öğrenci

SİNOPSİS

timbl [seçenekler]

timbl -f veri dosyası -t test dosyası

TANIM

TiMBL, çeşitli bellek tabanlı öğrenmeyi uygulayan açık kaynaklı bir yazılım paketidir
k-en yakın komşu sınıflandırmasının bir uygulaması olan IB1-IG'nin de aralarında bulunduğu algoritmalar
sembolik özellik alanlarına uygun özellik ağırlıklandırması ve bir karar ağacı olan IGTree ile
IB1-IG'nin yaklaşımı. Uygulanan tüm algoritmaların ortak noktası, bazılarını saklamalarıdır.
eğitim setinin bellekte açıkça temsil edilmesi. Testler sırasında yeni vakalar
en benzer saklanan vakalardan ekstrapolasyonla sınıflandırılır.

SEÇENEKLER

-a veya -a
sınıflandırma algoritmasını belirler.

Olası değerler şunlardır:

0 or IB
IB1 (k-NN) algoritması (varsayılan)

1 or IGTREE
IB1'in karar ağacı tabanlı yaklaşımı

2 or TRİBL
IB1 ve IGTREE'nin bir melezi

3 or IB2
IB1'in artımlı düzenleme sürümü

4 or TRIBL2
TRIBL'in parametrik olmayan bir versiyonu

-b n
önyükleme için kullanılan satır sayısı (yalnızca IB2)

-B n
sayısal özellik değerlerinin ayrıklaştırılması için kullanılan kutu sayısı

--Işın=
+v db çıktısını en yüksek oyu alan n sınıfla sınırla

--klonlar=
paralel test için kullanılacak f sayısı

-c n
MVDM matrislerini önceden saklamak için kırpma frekansı

+D
tüm düğümlerdeki dağıtımları depolayın (IGTree ile +v db kullanmak için gereklidir, ancak israflar
aksi takdirde hafıza)

--Çeşitlendirmek
ağırlığı yeniden ölçeklendirin (belgelere bakın)

-d val
Komşuları mesafelerine göre tartın:
Z : herkese eşit ağırlık (varsayılan)
ID : Ters Mesafe
IL : Ters Doğrusal
ED:a : a faktörlü Üstel Azalma (boşluk yok!)
ED:a:b : a ve b faktörlü Üstel Azalma (boşluk yok!)

-e n
n modelin test edilmesine kadar geçen süreyi tahmin edin

-f dosya
'dosya' veri dosyasından okuyun VEYA çapraz doğrulama testi için 'dosya'daki dosya adlarını kullanın

-F biçim
belirtilen giriş formatını varsayalım (Kompakt, C4.5, ARFF, Sütunlar, İkili, Seyrek)

-G normalleştirme

dağıtımları normalleştir (yalnızca +v db seçeneği)

Desteklenen normalleştirmeler şunlardır:

Olasılık or 0

0 ile 1 arasında normalleştirme

addFactor: veya 1:

tüm olası hedeflere f ekleyin, ardından 0 ile 1 arasında normalleştirin (varsayılan f=1.0).

logOlasılık or 2

Hedef Ağırlığa 1 ekleyin, 10Log'u alın ve ardından 0 ile 1 arasında normalleştirin

+H or -H
karma ağaçları yaz (varsayılan +H)

-i dosya
InstanceBase'i 'dosyadan' okuyun (aşama 1 ve 2'yi atlar)

-I dosya
InstanceBase'i 'dosyaya' boşaltın

-k n
'n' en yakın komşuları ara (varsayılan n = 1)

-L n
n düzeyinde MVDM'den Çakışmaya geri çekilmek için değer frekans eşiğini ayarlayın

-l n
sabit özellik değeri uzunluğu (yalnızca Kompakt format)

-m dizi
özellik metriklerini 'string'de belirtildiği şekilde kullanın:
Format şu şekildedir: GlobalMetric:MetricRange:MetricRange
örneğin: mO:N3:I2,5-7

C: kosinüs mesafesi. (Yalnızca küresel. sayısal özellikler ima edilir)
D: nokta çarpım. (Yalnızca küresel. sayısal özellikler ima edilir)
DC: Zar katsayısı
O: ağırlıklı örtüşme (varsayılan)
E: Öklid mesafesi
L: Levenstein mesafesi
M: değiştirilmiş değer farkı
J: Jeffrey farklılığı
S: Jensen-Shannon farklılığı
N: sayısal değerler
I: Adlandırılmış değerleri yoksay

--matrixin=dosya
'dosya' dosyasından Değer Farkı Matrislerini oku

--matrixout=dosya
ValueDifference Matrislerini 'dosyada' saklayın

-n dosya
C4.5 tarzı bir ad dosyası 'dosyası' oluşturun

-M n
MaxBests Dizisinin boyutu

-N n
özellik sayısı (varsayılan 2500)

-o s
çıktı dosya adı olarak s'yi kullan

-- oluşumlar=
Giriş dosyası oluşum sayımlarını içerir (son konumda) değer bir olabilir
edilmiştir: tren , test or her ikisi de

-O yol
çıktıyı 'yol' kullanarak kaydedin

-p n
ilerlemeyi her n satırda göster (varsayılan p = 100,000)

-P yol
'yol' kullanarak verileri oku

-q n
TRIBL eşiğini n seviyesine ayarla

-R n
bağları tohum n ile rastgele çöz

-s
giriş dosyasındaki örnek ağırlıkları kullanın

-s0
giriş dosyasındaki örnek ağırlıkları göz ardı edin

-T n
sınıf etiketi olarak n özelliğini kullanın. (varsayılan: son özellik)

-t dosya
'dosya'yı kullanarak test edin

-t Leave_one_out
birini dışarıda bırakma test rejimiyle test edin (yalnızca IB1). --sloppy'yi ekleyebilirsiniz
bir tanesini dışarıda bırakma testini hızlandırın (ancak belgelere bakın)

-t çapraz_validate
çapraz doğrulama testi gerçekleştirin (yalnızca IB1)

-t @dosya
'dosya'da açıklanan dosyaları ve seçenekleri kullanarak test edin Desteklenen seçenekler: de F kmopq
R tuvwx % -

--Ağaç Düzeni =değer n
Ağacın sıralaması:
Yapın: yok
GRO: GainRatio'yu kullanma
IGO: InformationGain'i kullanma
1/V: Değerlerin 1/#'sini kullanma
G/V: Kazanç Oranı/Değersiz Sayısı kullanılarak
I/V: InfoGain/Değersiz Sayısı kullanma
X2O: X-karesini kullanma
X/V: X-karesini/Değer Sayısını kullanma
SVO: Paylaşılan Varyansı kullanma
S/V: Paylaşılan Farkı/Değer Sayısını kullanma
GxE: GainRatio * SplitInfo'yu kullanma
IxE: InformationGain * SplitInfo'yu kullanma
1/S: 1/SplitInfo'yu kullanma

-u dosya
'dosyadan' değer sınıfı olasılıklarını okuyun

-U dosya
Değer sınıfı olasılıklarını 'dosya'ya kaydet

-V
SÜRÜMÜ Göster

+v seviye veya -v seviye
Ayrıntı düzeyini ayarlayın veya kaldırın; burada düzey:

s: sessizce çalış
o: ayarlanan tüm seçenekleri göster
b: düğüm/dal sayısını ve dallanma faktörünü göster
f: hesaplanan özellik ağırlıklarını göster (varsayılan)
p: değer farkı matrislerini göster
e: tam eşleşmeleri göster
şu şekilde: gelişmiş istatistikleri göster (bellek tüketir)
cm: karışıklık matrisini göster (+vas anlamına gelir)
cs: sınıf başına istatistikleri gösterir (+vas anlamına gelir)
cf: çıktı dosyasına güven ekleyin (-G gerektirir)
di: çıktı dosyasına mesafe ekle
db: çıktı dosyasına en iyi eşleşen dağıtımı ekle
md: çıktı dosyasına eşleşen derinliği ekleyin.
k: çıktı dosyasına tüm k komşular için bir özet ekleyin (setler -x)
n: çıktı dosyasına en yakın komşuları ekle (setler -x)

Seviyeleri '+' kullanarak birleştirebilirsiniz; örneğin +v p+db veya -v o+di

-w n
ağırlıklandırma
0 veya nw: ağırlıklandırma yok
1 veya gr: kazanç oranını kullanarak tartın (varsayılan)
2 veya ig: bilgi kazancını kullanarak tartın
3 veya x2: ki-kare istatistiğini kullanarak tartın
4 veya sv: paylaşılan varyans istatistiğini kullanarak tartın
5 veya sd: standart sapmayı kullanarak tartın. (tüm özellikler sayısal olmalıdır)

-w dosya
'dosyadan' ağırlıkları oku

-w dosya:n
'dosya'dan ağırlık n'yi oku

-W dosya
tüm ağırlıkları hesaplayın ve 'dosyaya' kaydedin

+% or -%
test sonucunu (%) dosyaya kaydedin veya kaydetmeyin

+x or -x
tam eşleme kısayolunu kullanın veya kullanmayın
(Yalnızca IB1 ve IB2, varsayılan -x'tir)

-X dosya
InstanceBase'i XML olarak 'dosyaya' boşaltın

Onworks.net hizmetlerini kullanarak timbl'i çevrimiçi kullanın