Changeset 10774:78f837b88776 in orange


Ignore:
Timestamp:
04/10/12 13:08:50 (2 years ago)
Author:
Ales Erjavec <ales.erjavec@…>
Branch:
default
Message:

Added bias term parameter to the LinearSVMLearner and MulticlassSVMLearner.

Location:
Orange
Files:
2 edited

Legend:

Unmodified
Added
Removed
  • Orange/classification/svm/__init__.py

    r10751 r10774  
    739739 
    740740    def __init__(self, solver_type=L2R_L2LOSS_DUAL, C=1.0, eps=0.01,  
    741                  normalization=True, **kwargs): 
     741                 bias=1.0, normalization=True, **kwargs): 
    742742        """ 
    743743        :param solver_type: One of the following class constants: 
     
    758758        :type eps: float 
    759759         
     760        :param bias: If non negative then each instance is appended a constant 
     761            bias term (default 1.0). 
     762             
     763        :type bias: float 
     764         
    760765        :param normalization: Normalize the input data prior to learning 
    761766            (default True) 
     
    772777        self.eps = eps 
    773778        self.C = C 
     779        self.bias = bias 
    774780        self.normalization = normalization 
    775781 
     
    809815    __new__ = _orange__new__(base=Orange.core.LinearLearner) 
    810816 
    811     def __init__(self, C=1.0, eps=0.01, normalization=True, **kwargs): 
     817    def __init__(self, C=1.0, eps=0.01, bias=1.0, 
     818                 normalization=True, **kwargs): 
    812819        """\ 
    813820        :param C: Regularization parameter (default 1.0) 
     
    817824        :type eps: float 
    818825         
     826        :param bias: If non negative then each instance is appended a constant 
     827            bias term (default 1.0). 
     828             
     829        :type bias: float 
     830         
    819831        :param normalization: Normalize the input data prior to learning 
    820832            (default True) 
     
    824836        self.C = C 
    825837        self.eps = eps 
     838        self.bias = bias 
    826839        self.normalization = normalization 
    827840        for name, val in kwargs.items(): 
     
    934947        >>> for feature_score, feature in sorted(svm_scores, reverse=True): 
    935948        ...     print "%-35s: %.3f" % (feature.name, feature_score) 
    936         kurtosis about major axis          : 47.113 
    937         pr.axis aspect ratio               : 44.949 
    938         max.length rectangularity          : 39.748 
    939         radius ratio                       : 29.098 
    940         scatter ratio                      : 26.133 
    941         skewness about major axis          : 24.403 
    942         compactness                        : 20.432 
    943         hollows ratio                      : 20.109 
    944         max.length aspect ratio            : 15.757 
    945         scaled radius of gyration          : 15.242 
    946         scaled variance along minor axis   : 14.289 
    947         pr.axis rectangularity             : 9.882 
    948         circularity                        : 8.293 
    949         distance circularity               : 7.785 
    950         scaled variance along major axis   : 6.179 
    951         elongatedness                      : 4.038 
    952         skewness about minor axis          : 1.351 
    953         kurtosis about minor axis          : 0.760 
     949        pr.axis aspect ratio               : 44.263 
     950        kurtosis about major axis          : 42.593 
     951        max.length rectangularity          : 39.377 
     952        radius ratio                       : 28.741 
     953        skewness about major axis          : 26.682 
     954        hollows ratio                      : 20.993 
     955        compactness                        : 20.085 
     956        elongatedness                      : 17.410 
     957        distance circularity               : 14.542 
     958        scaled radius of gyration          : 12.584 
     959        max.length aspect ratio            : 10.686 
     960        scatter ratio                      : 10.574 
     961        scaled variance along minor axis   : 10.049 
     962        circularity                        : 8.360 
     963        pr.axis rectangularity             : 7.473 
     964        scaled variance along major axis   : 5.731 
     965        skewness about minor axis          : 1.368 
     966        kurtosis about minor axis          : 0.690 
     967 
    954968 
    955969    """ 
  • Orange/testing/regression/results_reference/svm-recursive-feature-elimination.py.txt

    r10697 r10774  
    11[alpha 0, alpha 7, alpha 14, alpha 21, alpha 28, alpha 35, alpha 42, alpha 49, alpha 56, alpha 63, alpha 70, alpha 77, alpha 84, alpha 91, alpha 98, alpha 105, alpha 112, alpha 119, Elu 0, Elu 30, Elu 60, Elu 90, Elu 120, Elu 150, Elu 180, Elu 210, Elu 240, Elu 270, Elu 300, Elu 330, Elu 360, Elu 390, cdc15 10, cdc15 30, cdc15 50, cdc15 70, cdc15 90, cdc15 110, cdc15 130, cdc15 150, cdc15 170, cdc15 190, cdc15 210, cdc15 230, cdc15 250, cdc15 270, cdc15 290, spo 0, spo 2, spo 5, spo 7, spo 9, spo 11, spo5 2, spo5 7, spo5 11, spo- early, spo- mid, heat 0, heat 10, heat 20, heat 40, heat 80, heat 160, dtt 15, dtt 30, dtt 60, dtt 120, cold 0, cold 20, cold 40, cold 160, diau a, diau b, diau c, diau d, diau e, diau f, diau g, function], {-3:gene} 
    2 [alpha 112, Elu 0, Elu 120, spo5 11, spo- early, spo- mid, heat 20, diau e, diau f, diau g, function], {-3:gene} 
     2[Elu 0, Elu 120, Elu 150, spo5 11, spo- early, spo- mid, heat 20, diau e, diau f, diau g, function], {-3:gene} 
Note: See TracChangeset for help on using the changeset viewer.