3. Linear SVM 3.1 The separable ca

3. Linear SVM

3.1 The separable case

Let us consider the training set D be m i N iii R xyx   ,)},{( 1 and the output label } 1,1{ iy , which is separable into two classes. Let w denote the normal vector to the separating hyperplane and ||||/|| wb is the perpendicular distance from the origin. Thus the hyperplane is given by

Kết quả (Việt) 1:

3. tuyến tính SVM 3.1 trường hợp phân chia Chúng ta hãy xem xét thiết lập đào tạo D là m i N iii R xyx  ,)}, {(1 và nhãn sản lượng} 1,1 {iy, mà là phân chia thành hai lớp. Hãy để biểu thị các véc tơ bình thường để tách hyperplane w và ||| /|| WB là khoảng cách vuông góc từ nguồn gốc. Do đó hyperplane được cho bởi

Kết quả (Việt) 2:

3. Tuyến tính SVM

3.1 Các trường hợp tách

Chúng ta hãy xem xét việc đào tạo tập D là mi N iii R xyx  ,)}, {(1 và nhãn đầu ra} {1,1 iy, đó là phân chia thành hai lớp. Hãy w biểu thị vector bình thường đến siêu phẳng phân cách và |||| / || wb là khoảng cách vuông góc từ nguồn gốc. Vì vậy, các siêu phẳng được cho bởi

Kết quả (Việt) 3:

3.Máy vectơ hỗ trợ tuyến tínhCó thể tách ra được 1 vụChúng ta đã luyện tập d là Tôi n ba R XYX  ,)], [(1 và đầu ra nhãn] 1,1 [  IY, nó có thể được chia thành hai loại.Đại diện cho W vectơ tách biệt của siêu phẳng và | | | | / | | EB là nguồn gốc của khoảng cách thẳng đứng.Do đó, siêu phẳng là do