Whenever,the number of features is

Whenever,
the number of features is relatively small, n ~ 1–1000, and the training
samples are not very big, m ~ 10–10,000, Gaussian RBF will outperform
other classifiers thatwill result to be slower. Onlywhen the size of samples
is about 50,000–100,000, Gaussian RBF will start to become slow.

ผลลัพธ์ (ไทย) 1:

เมื่อไรก็ได้จำนวนคุณลักษณะที่มีขนาดค่อนข้างเล็ก n ~ 1-1000 และการฝึกอบรมตัวอย่างไม่ดี m ~ 10-10000, Gaussian RBF จะ outperformthatwill ที่คำนามภาษาอื่น ๆ มีผลทำให้ช้าลง Onlywhen ขนาดของตัวอย่างกำลัง 50000 100000, Gaussian RBF จะเริ่มกลายเป็นช้า

ผลลัพธ์ (ไทย) 2:

เมื่อใดก็ตามที่จำนวนของคุณสมบัติที่มีขนาดค่อนข้างเล็ก, n ~ 1-1000 และการฝึกอบรมกลุ่มตัวอย่างที่ไม่ได้ใหญ่มากม~ 10-10,000, Gaussian RBF จะดีกว่าแยกประเภทอื่นๆ thatwill ส่งผลให้ช้าลง Onlywhen ขนาดของกลุ่มตัวอย่างเป็นเรื่องเกี่ยวกับ50,000-100,000, Gaussian RBF จะเริ่มกลายเป็นช้า

ผลลัพธ์ (ไทย) 3:

เมื่อใดก็ตามที่
จำนวนคุณสมบัติที่ค่อนข้างเล็ก , n ~ 1 – 1000 และการฝึกอบรม
ตัวอย่างไม่ใหญ่มาก , M ~ 10 - 10 , 000 ) บริษัทจะ outperform
คำอื่นก็ล้มผลจะช้าลง onlywhen ขนาดตัวอย่าง
ประมาณ 50 , 000 – 100000 ) บริษัทจะเริ่มช้าลง