In this section, the LS-SVM for reg

In this section, the LS-SVM for regression is introduced briefly,
called LS-SVR. The LS-SVR technique is to approximate an obscure
function by using given a sample of a training data series fxi; yigl
i¼1.
The regression function can be formulated as feature space
representation:

ผลลัพธ์ (ไทย) 1:

ในส่วนนี้ LS-SVM สำหรับถดถอยจะนำสั้น ๆเรียกว่า LS-SVR เทคนิค LS SVR จะประมาณการบดบังฟังก์ชันโดยให้ตัวอย่างของการฝึกอบรมข้อมูลชุด fxi yigli¼1การทำงานถดถอยสามารถจะถูกกำหนดเป็นพื้นที่คุณลักษณะแสดง:

ผลลัพธ์ (ไทย) 2:

ในส่วนนี้ LS-SVM สำหรับการถดถอยที่มีการแนะนำสั้น ๆ
ที่เรียกว่า LS-SVR เทคนิค LS-SVR คือการใกล้เคียงกับที่คลุมเครือ
โดยใช้ฟังก์ชั่นที่ได้รับตัวอย่างของชุดข้อมูลการฝึกอบรม FXI; yigl
. i¼1
ฟังก์ชั่นการถดถอยได้สูตรเป็นคุณสมบัติพื้นที่
การแสดง:

ผลลัพธ์ (ไทย) 3:

ในส่วนนี้ ls-svm สำหรับการถดถอยเป็นแนะนำสั้น
เรียกว่า ls-svr . เทคนิค ls-svr คือการประมาณฟังก์ชันการปิดบัง
โดยให้ตัวอย่างของการฝึกอบรมข้อมูลชุด fxi ; yigl

ผม¼ 1 . ฟังก์ชันการถดถอยสามารถกำหนดให้เป็นพื้นที่
คุณลักษณะการแสดง :