All that one liner is doing is goin

All that one liner is doing is going through our data and graphing it along with its associated color. See the video if you want to see it more broken down.

Next, we want to graph our hyperplanes for the positive and negative support vectors, along with the decision boundary. In order to do this, we need at least two points for each to create a "line" which will be our hyperplane.

Once we know what w and b are, we can use algebra to create a function that will return to us the value needed for our second feature (x2) to make the line:

Kết quả (Việt) 1:

Tất cả những gì một lót là làm đi qua dữ liệu của chúng tôi và vẽ đồ thị nó cùng với các kết hợp màu sắc của nó. Xem video nếu bạn muốn nhìn thấy nó hơn phá vỡ xuống.Tiếp theo, chúng tôi muốn vẽ đồ thị của chúng tôi hyperplanes cho vectơ hỗ trợ tích cực và tiêu cực, cùng với các ranh giới quyết định. Để làm điều này, chúng ta cần ít nhất hai điểm cho mỗi để tạo ra một "dòng" sẽ là chúng tôi hyperplane.Khi chúng tôi biết những gì w và b, chúng tôi có thể sử dụng đại số để tạo ra một chức năng mà sẽ trở lại với chúng tôi các giá trị cần thiết cho tính năng thứ hai của chúng tôi (x2) để làm cho các dòng:

Kết quả (Việt) 2:

Tất cả những gì lót đang làm là đi qua dữ liệu của chúng tôi và vẽ đồ nó cùng với màu sắc kết hợp của nó. Xem video nếu bạn muốn nhìn thấy nó chia nhỏ.

Tiếp theo, chúng tôi muốn vẽ đồ thị siêu phẳng của chúng tôi cho các vectơ hỗ trợ tích cực và tiêu cực, cùng với ranh giới quyết định. Để làm điều này, chúng ta cần ít nhất hai điểm cho từng tạo ra một "đường dây" mà sẽ là siêu phẳng của chúng tôi.

Một khi chúng ta biết những gì w và b là, chúng ta có thể sử dụng đại số để tạo ra một chức năng mà sẽ trả lại cho chúng tôi những giá trị cần thiết cho tính năng thứ hai của chúng tôi (x2) để làm cho các dòng: