Such that for each training sample

Such that for each training sample Xi, the function yields f(xi) ≥0 for Yi = + 1, and f(xi) < 0 for Yi = -1. In other words, training samples of two different classes are separated by the hyperplane f(x) = wT X + b = 0, where w is weight vector and normal to hyperplane, b is bias or threshold and Xi is the data point

ผลลัพธ์ (ไทย) 1:

ดังกล่าวว่าสำหรับการฝึกแต่ละอย่างสิ ฟังก์ชันอัตราผลตอบแทน f(xi) ≥0 สำหรับยี่ = + 1 และ f(xi) < 0 สำหรับ Yi = -1 ในคำอื่น ๆ ตัวอย่างการฝึกสองชั้นเรียนที่แตกต่างกันจะถูกคั่น ด้วย f (x) hyperplane = wT X + b = 0 ที่ w น้ำหนักเวกเตอร์และปกติการ hyperplane, b คือ ความโน้มเอียงหรือเกณฑ์ และ Xi เป็นจุดข้อมูล

ผลลัพธ์ (ไทย) 2:

เช่นที่แต่ละ Xi ตัวอย่างการฝึกอบรม, ฟังก์ชั่นอัตราผลตอบแทน f (Xi) ≥0สำหรับยี่ = + 1, และ F (Xi) <0 ยี่ = -1 ในคำอื่น ๆ ตัวอย่างการฝึกอบรมสองชั้นที่แตกต่างกันแยกจากกันโดยไฮเปอร์เพล F (x) = กับ WT X + B = 0 ที่ W เป็นเวกเตอร์น้ำหนักและผิวธรรมดาถึงไฮเปอร์เพลขอคติหรือเกณฑ์และซีเป็นจุดข้อมูล

ผลลัพธ์ (ไทย) 3:

เช่นว่า สำหรับการฝึกอบรมแต่ละตัวอย่าง Xi , ฟังก์ชั่นผลผลิต F ( 11 ) ≥ 0 อี = + 1 , และ F ( Xi ) < 0 อี = - 1 ในคำอื่น ๆตัวอย่างของการเรียนแตกต่างกันสองแยกจากกัน โดยระนาบเกิน f ( x ) = WT X + b = 0 ที่ W คือเวกเตอร์น้ำหนักปกติระนาบเกิน B จะ อคติ หรือ เกณฑ์ และ ซิเป็นข้อมูลจุด