Only a small number of multipliers

Only a small number of multipliers have nonzero values and they are associated with the
so-called support vectors, which form the boundaries of the classes. The maximal margin
classifier can be generalized to nonlinearly separable data via two approaches. One is to introduce
a soft margin parameter C to relax the constraint that all the training vectors of a certain class lie
on the same side of the optimal hyperplane. This approach is effective in case of noisy data. The
other is to transform input vectors into a higher dimensional feature space by a map function

ผลลัพธ์ (ไทย) 1:

มีเพียงจำนวนน้อยของตัวคูณมีค่าภัณฑ์และพวกเขาจะเกี่ยวข้องกับ
ที่เรียกว่าเวกเตอร์สนับสนุนซึ่งรูปแบบขอบเขตของชั้นเรียน อัตรากำไรขั้นต้นสูงสุด
ลักษณนามสามารถทั่วไปข้อมูลที่แยกกันไม่ออก nonlinearly ผ่านทั้งสองวิธี หนึ่งคือการแนะนำ
ขอบพารามิเตอร์อ่อน c เพื่อผ่อนคลายข้อ จำกัด ที่ว่าทุกเวกเตอร์ของการฝึกอบรมเรื่องโกหกชั้นบาง
บนด้านเดียวกันของไฮเปอร์เพลนที่ดีที่สุด วิธีการนี​​้มีผลบังคับใช้ในกรณีที่ข้อมูลที่มีเสียงดัง
อื่น ๆ คือการแปลงเวกเตอร์ใส่ลงในช่องว่างคุณลักษณะสูงกว่ามิติโดยฟังก์ชั่นแผนที่