(PECL svm >= 0.1.0)
SVM::C_SVCEl tipo básico C_SVC SVM. Es el tipo por defecto. Un buen punto de partida.
SVM::NU_SVCEl tipo NU_SVC usa una diferente y más flexible ponderación de errores.
SVM::ONE_CLASSUna clase de tipo SVM. Guía simplemente a una clase, usando valores extremos como ejemplos negativos.
SVM::EPSILON_SVRUn tipo SVM para regresión (prediciento un valor más que símplemente una clase)
SVM::NU_SVRUn tipo de regresión SVM al estilo NU.
SVM::KERNEL_LINEARUn núcleo muy simple, puede funcionar bien con problemas de clasificación de documentos grandes.
SVM::KERNEL_POLYUn núcleo polinómico
SVM::KERNEL_RBFEl común nucleo Gaussiano RBD. Maneja bien problemas no lineales y es un buen estándar para la clasificación.
SVM::KERNEL_SIGMOIDUn núcleo basado en la función sigmoid. Usando esta, SVM se hace muy similar a sigmoid de dos capas basado en redes neuronales.
SVM::KERNEL_PRECOMPUTEDUn núcleo precalculado - actualmente sin soporte.
SVM::OPT_TYPELa clave de opciones para el tipo SVM
SVM::OPT_KERNEL_TYPELa clave opcional para el tipo de núcleo
SVM::OPT_DEGREESVM::OPT_SHRINKINGParámetro de formación, booleano, para cualquier uso de reducciones heurísticas.
SVM::OPT_PROBABILITYParámetro de formación, booleano, para recaudar y estimar el uso de probabilidades.
SVM::OPT_GAMMAParámetro algorítmico para usar Poly, RBF y Sigmoid como tipos de núcleo.
SVM::OPT_NULa clave de opción para el parámetro NU, solo usado en tipos NU_ SVM.
SVM::OPT_EPSLa clave para la opción del parámetro Epsilon, Usada en regresiones epsilon.
SVM::OPT_PParámetro de formación usado por regresiones Episilon SVR
SVM::OPT_COEF_ZEROParámetro para el algoritmo de núcleos poly y sigmoid
SVM::OPT_CLa opción para el parámetro de coste que controla la compensación entre errores y generalidad - efectivamente la sanción por la clasificación errónea de los ejemplos de formación.
SVM::OPT_CACHE_SIZETamaño de la memoria caché, en MB.