As a rule of thumb, the use of SVMs

As a rule of thumb, the use of SVMswith “linear kernel” (thatmeans
no kernel) is going to be usefulwhenever, in presence of a large number
of features, n is large, and the number of training examplesmis small.

ผลลัพธ์ (ไทย) 1:

ตามกฎของหัวแม่มือ การใช้ SVMswith "เส้นเคอร์เนล" (thatmeansเคอร์เนลไม่) เป็นไปได้ usefulwhenever ในอยู่เป็นจำนวนมากมีขนาดใหญ่ คุณลักษณะ n ของ examplesmis ฝึกอบรมขนาดเล็ก

ผลลัพธ์ (ไทย) 2:

ตามกฎของหัวแม่มือใช้ SVMswith "เคอร์เนลเชิงเส้น" (thatmeans
เคอร์เนลไม่ได้) เป็นไปได้ usefulwhenever
ในการปรากฏตัวของจำนวนมากของคุณสมบัติn คือขนาดใหญ่และจำนวนของการฝึกอบรม examplesmis ขนาดเล็ก

ผลลัพธ์ (ไทย) 3:

ในฐานะที่เป็นกฎของหัวแม่มือ , การใช้ svmswith " โปรแกรมเชิงเส้น " ( thatmeans
ไม่มีเมล็ด ) จะ usefulwhenever , ในการแสดงตนของ
จำนวนมากคุณสมบัติ n มีขนาดใหญ่และจำนวนของการฝึกอบรม examplesmis ขนาดเล็ก