Given the training data (x1,y1),…,(

Given the training data (x1,y1),…,(xl,yl),
where xi are input vectors and yi2{1,þ1} are the associated class
labels of xi. SVM is based on the maximum margin principle, and
aims at constructing a hyper-plane with maximal distance between
the two classes, with the following optimization problem:

Kết quả (Việt) 1:

Đưa ra các dữ liệu đào tạo (x1,y1),...,(xl,yl),xi nhập vectơ và đâu yi2 {1, þ1} là lớp liên kếtnhãn xi. SVM dựa trên các nguyên tắc tối đa lợi nhuận, vànhằm mục đích xây dựng một siêu máy bay với các khoảng cách tối đa giữaCác lớp học hai, với các vấn đề tối ưu hóa sau:

Kết quả (Việt) 2:

Với các dữ liệu đào tạo (x1, y1), ..., (xl, yl),
nơi xi là các vectơ đầu vào và yi2 {1, TH1} là các lớp liên kết
nhãn của xi. SVM dựa trên nguyên tắc lợi nhuận tối đa, và
nhằm mục đích xây dựng một siêu máy bay với khoảng cách tối đa giữa
hai lớp, với các vấn đề tối ưu hóa sau đây: