C is essentially a regularisation p

C is essentially a regularisation parameter, which controls the trade-off between achieving a low error on the training data and minimising the norm of the weights. It is analageous to the ridge parameter in ridge regression (in fact in practice there is little difference in performance or theory between linear SVMs and ridge regression, so I generally use the latter - or kernel ridge regression if there are more attributes than observations).

ผลลัพธ์ (ไทย) 1:

C เป็นหลัก regularisation พารามิเตอร์ การควบคุมการ trade-off ระหว่างบรรลุข้อผิดพลาดต่ำข้อมูลฝึกอบรม และ minimising ปกติน้ำหนัก เป็น analageous กับพารามิเตอร์ริดจ์ในถดถอยริดจ์ (ในความเป็นจริงในทางปฏิบัติ ไม่มีความแตกต่างน้อยประสิทธิภาพหรือทฤษฎี ระหว่าง SVMs เส้น ทางถด ถอยริดจ์ ดังนั้นโดยทั่วไปใช้หลัง - เคอร์เนลริดจ์ถดถอยหากมีแอตทริบิวต์เพิ่มเติมกว่าสังเกต)

ผลลัพธ์ (ไทย) 2:

C เป็นหลักพารามิเตอร์ regularization ซึ่งควบคุมการออกระหว่างการบรรลุข้อผิดพลาดต่ำในข้อมูลการฝึกอบรมและการลดบรรทัดฐานของน้ำหนักที่ มันเป็น analageous พารามิเตอร์สันในการถดถอยสัน (ในความเป็นจริงในทางปฏิบัติมีความแตกต่างเล็ก ๆ น้อย ๆ ในการปฏิบัติงานหรือทฤษฎีระหว่างจำแนกเชิงเส้นและการถดถอยสันดังนั้นฉันมักใช้หลัง - หรือถดถอยสันเคอร์เนลถ้ามีคุณลักษณะมากกว่าสังเกต)

ผลลัพธ์ (ไทย) 3:

c ล่า a regularisation parameter , which controls คุณ between การสารภาพ a ไม่ให้มือและ data ( minimising the norm ของ the เทย์เลอร์ใน มันเป็น analageous กับริดจ์พารามิเตอร์ในการถดถอยริดจ์ ( ในความเป็นจริงในการปฏิบัติงานมีความแตกต่างเล็ก ๆน้อย ๆในการปฏิบัติงานหรือทฤษฎีระหว่างแบบเชิงเส้นและแนวการถดถอยดังนั้นฉันมักจะใช้หลังหรือเมล็ดจ๋าหากมีคุณลักษณะมากกว่าการสังเกต )