(PECL svm >= 0.1.0)
SVM::C_SVCLe type SVM C_SVC basique. C'est le type par défaut, et un bon point de départ.
SVM::NU_SVCLe type NU_SVC utilise une pondération différente, plus souple des erreurs.
SVM::ONE_CLASSUne type de classe SVM. S'entraîne sur une seule classe, en utilisant les valeurs aberrantes comme des exemples négatifs.
SVM::EPSILON_SVRUn type SVM pour la régression (prédiction d'une valeur plutôt que seulement une classe).
SVM::NU_SVRUn type NU de régression SVM.
SVM::KERNEL_LINEARUn noyau très simple, pouvant fonctionner correctement sur un large document de problèmes de classification.
SVM::KERNEL_POLYUn noyau polynôme.
SVM::KERNEL_RBFUn noyau Gaussien RBD commun. Gère parfaitement les problèmes non linéaires, et est un bon noyau par défaut pour la classification.
SVM::KERNEL_SIGMOIDUn noyau basé sur la fonction sigmoïde. Son utilisant rend SVM très similaire à une interface sigmoïde basée sur un réseau neutre.
SVM::KERNEL_PRECOMPUTEDUn noyau pré-calculé - actuellement non supporté.
SVM::OPT_TYPELes clés en option pour le type SVM.
SVM::OPT_KERNEL_TYPELes clés en option pour le type de noyau.
SVM::OPT_DEGREESVM::OPT_SHRINKINGParamètre d’entraînement, booléen, pour indiquer d'utiliser les heuristiques rétrécis.
SVM::OPT_PROBABILITYParamètre d’entraînement, booléen, pour indiquer d'utiliser des estimations des probabilités.
SVM::OPT_GAMMAParamètre de l'algorithme pour les types de noyau Poly, RBF et sigmoïde.
SVM::OPT_NULa clé optionnelle pour le paramètre NU, uniquement utilisée pour les types NU_ SVM.
SVM::OPT_EPSLa clé optionnelle pour le paramètre Epsilon, utilisé pour la régression epsilon.
SVM::OPT_PParamètre d'entraînement utilisé par la régression Epsilon SVR.
SVM::OPT_COEF_ZEROParamètre d'algorithme pour les noyaux poly et sigmoïde.
SVM::OPT_CL'option pour le paramètre cost qui contrôle les négociations entre les erreurs et les généralités - effectivement, la pénalité pour mauvaise classification des exemples d'entrainement.
SVM::OPT_CACHE_SIZETaille de la mémoire cache, en Mo.