Suppose that you were given a linea

Suppose that you were given a linearly separable training set, such as the one in
Figure 9.3, and were asked to find the optimal hyperplane that separates the data
points. How would you proceed? You would very likely first ask what exactly is
meant by optimal. One might first postulate that optimal means any hyperplane
that separates the positive training data from the negative training data. However,
we must also consider the ultimate goal of any classification algorithm, which is
to generalize well to unseen data. If a classifier can perfectly classify the training
data but completely fails at classifying the test set data, then it is of little value.
This scenario is known as overfitting

ผลลัพธ์ (ไทย) 1:

สมมติว่า คุณได้รับชุดฝึกอบรม separable เชิงเส้น เช่นในรูปที่ 9.3 และขอให้พบ hyperplane เหมาะที่แยกข้อมูลจุด วิธีที่คุณจะทำอย่างไร คุณจะมีแนวโน้มมากครั้งแรกถามว่า อะไรเป็นความหมาย โดยที่ดีที่สุด หนึ่งอาจ postulate แรกสุดว่า hyperplane ใด ๆที่สามารถแยกข้อมูลบวกการฝึกอบรมจากข้อมูลการฝึกอบรมที่เป็นค่าลบ อย่างไรก็ตามนอกจากนี้เรายังต้องพิจารณาถึงเป้าหมายสูงสุดของการจัดประเภทอัลกอริทึม ซึ่งเป็นการทั่วไปด้วยการมองไม่เห็นข้อมูล ถ้ามีลักษณนามสามารถจัดประเภทการฝึกอบรมอย่างสมบูรณ์แบบข้อมูลแต่ล้มเหลวในการแบ่งประเภทการทดสอบอย่างสมบูรณ์ตั้งข้อมูล แล้วมันเป็นค่าที่น้อยสถานการณ์นี้เรียกว่า overfitting

ผลลัพธ์ (ไทย) 2:

สมมติว่าคุณได้รับการฝึกอบรมชุดแยกเป็นเส้นตรงดังกล่าวเป็นหนึ่งใน
รูปที่ 9.3 และถูกถามเพื่อหาสิ่งที่ดีที่สุดไฮเปอร์เพลนที่แยกข้อมูล
จุด วิธีที่คุณจะดำเนินการอย่างไร คุณจะมีโอกาสมากครั้งแรกขอให้สิ่งที่แน่นอนคือ
ความหมายโดยที่ดีที่สุด คนแรกที่อาจยืนยันที่ดีที่สุดนั่นหมายความว่าไฮเปอร์เพลใด ๆ
ที่แยกข้อมูลการฝึกอบรมในเชิงบวกจากข้อมูลการฝึกอบรมเชิงลบ แต่
เรายังต้องพิจารณาเป้าหมายสูงสุดของขั้นตอนวิธีการจัดหมวดหมู่ใดที่เป็นไป
ที่จะพูดคุยกันกับข้อมูลที่มองไม่เห็น หากมีการจําแนกที่ดีที่สุดที่สามารถแบ่งการฝึกอบรม
ข้อมูล แต่ล้มเหลวอย่างสิ้นเชิงในการจำแนกประเภทข้อมูลการทดสอบชุดแล้วมันเป็นค่าน้อย
สถานการณ์นี้เป็นที่รู้จักกันอิง

ผลลัพธ์ (ไทย) 3:

สมมติว่าคุณได้รับชุดฝึกแบ่งแยกเชิงเส้นเช่นหนึ่งในรูปที่ 9.3 และถูกถามเพื่อค้นหาที่ดีที่สุดระนาบเกินว่าข้อมูลที่แยกจุด วิธีที่คุณจะดำเนินการ ? คุณอาจจะถามอะไรมากหมายถึงที่เหมาะสมที่สุด หนึ่งอาจเป็นสัจพจน์ที่เหมาะสมหมายความว่าระนาบเกินใด ๆแยกข้อมูลจากข้อมูลการฝึกอบรมการฝึกบวกลบ อย่างไรก็ตามเรายังต้องพิจารณาเป้าหมายสูงสุดของการจำแนกขั้นตอนวิธีซึ่งเป็นการอนุมานคือข้อมูลที่มองไม่เห็น ถ้าแบบลงตัว จัดฝึกอบรมข้อมูล ข้อมูล แต่อย่างสมบูรณ์ล้มเหลวในการทดสอบชุดข้อมูลแล้วมันมีค่าน้อยสถานการณ์นี้เป็นที่รู้จักกันเป็น overfitting