SVM is a machine learning method ra

SVM is a machine learning method raised by Vapnik in the early 1990’s, which arises from optimal linearly
separable SVM classification surface. Optimal classification surface requires the separating line can not only
separate two dimensions correctly (the training error rate is 0), but can also maximize the margin between the two
classes. SVM aims to find a hyperplane which can meet classification requirements and make the trained points far

ผลลัพธ์ (ไทย) 1:

SVM เป็นเครื่องอ่าน โดย Vapnik ในช่วงต้นปี 1990 ของ วิธีการเรียนรู้ที่เกิดจากประสิทธิภาพเชิงเส้น
separable SVM ประเภทผิว ผิวประเภทที่ดีที่สุดต้องสามารถแยกบรรทัดไม่เพียง
แยกสองมิติอย่างถูกต้อง (อัตราข้อผิดพลาดในการฝึกอบรมเป็น 0), แต่สามารถขยายขอบระหว่างสอง
เรียน SVM มีวัตถุประสงค์เพื่อค้นหา hyperplane ซึ่งสามารถตอบสนองความต้องการจัดประเภท และให้คะแนนฝึกไกล

ผลลัพธ์ (ไทย) 2:

SVM เป็นวิธีการเรียนรู้เครื่องโดยยก Vapnik ในช่วงต้นปี 1990 ซึ่งเกิดจากเส้นตรงที่เหมาะสม
แยกพื้นผิวการจัดหมวดหมู่ SVM พื้นผิวการจัดหมวดหมู่ที่เหมาะสมต้องใช้สายแยกไม่เพียง แต่สามารถ
แยกทั้งสองมิติได้อย่างถูกต้อง (อัตราความผิดพลาดในการฝึกอบรมเป็น 0) แต่ยังสามารถเพิ่มอัตรากำไรขั้นต้นระหว่างสอง
ชั้นเรียน SVM มีจุดมุ่งหมายที่จะหาไฮเปอร์เพลนที่สามารถตอบสนองความต้องการการจัดหมวดหมู่และทำให้จุดที่ได้รับการฝึกฝนไกล

ผลลัพธ์ (ไทย) 3:

SVM เป็นเครื่องสอนการเรียนรู้ขึ้น โดย vapnik ในช่วงต้นปี 1990 ซึ่งเกิดขึ้นจากการแยกน้ำหนัก
SVM การจำแนกพื้นผิว การจำแนกพื้นผิวที่เหมาะสมต้องแยกสายไม่เพียง
แยกสองมิติได้อย่างถูกต้อง ( การฝึกอบรมอัตราความผิดพลาดเป็น 0 ) แต่ยังสามารถขยายขอบระหว่างสอง
ชั้นเรียนSVM มีวัตถุประสงค์เพื่อหาระนาบเกินซึ่งสามารถตอบสนองความต้องการและให้คะแนนการฝึกไกล