The C parameter tells the SVM optim

The C parameter tells the SVM optimization how much you want to avoid misclassifying each training example. For large values of C, the optimization will choose a smaller-margin hyperplane if that hyperplane does a better job of getting all the training points classified correctly. Conversely, a very small value of C will cause the optimizer to look for a larger-margin separating hyperplane, even if that hyperplane misclassifies more points. For very tiny values of C, you should get misclassified examples, often even if your training data is linearly separable.

Kết quả (Việt) 1:

Tham số C cho tối ưu hóa SVM bao nhiêu bạn muốn tránh misclassifying mỗi ví dụ huấn luyện. Đối với giá trị lớn của C, tối ưu hóa sẽ chọn một hyperplane nhỏ hơn lợi nhuận nếu hyperplane rằng không một công việc tốt hơn nhận được tất cả các điểm đào tạo phân loại một cách chính xác. Ngược lại, một giá trị rất nhỏ của C sẽ gây ra trình tối ưu hoá để tìm hyperplane một tách lớn hơn lợi nhuận, ngay cả khi đó hyperplane misclassifies điểm nhiều hơn. Giá trị rất nhỏ của C, bạn sẽ nhận được ví dụ misclassified, thường ngay cả khi dữ liệu đào tạo là tuyến tính phân chia.

Kết quả (Việt) 2:

Các tham số C cho việc tối ưu hóa SVM bao nhiêu bạn muốn tránh phân loại sai mỗi ví dụ đào tạo. Đối với giá trị lớn của C, tối ưu hóa sẽ chọn một siêu phẳng có lợi nhuận nhỏ hơn nếu siêu phẳng mà không một công việc tốt hơn nhận được tất cả các điểm đào tạo phân loại chính xác. Ngược lại, một giá trị rất nhỏ của C sẽ gây ra các ưu để tìm kiếm một lợi nhuận lớn hơn tách siêu phẳng, thậm chí nếu điểm mà misclassifies siêu phẳng hơn. Đối với giá trị rất nhỏ của C, bạn sẽ nhận được ví dụ phân loại sai, thường ngay cả khi dữ liệu huấn luyện của bạn là tuyến tính tách rời.