2 Classification TaskAssume that we

2 Classification Task
Assume that we have l training instances xi in an n-dimensional Euclidian space
Rn. Each training instance has a class label yi ∈ Y, where Y = {−1, +1}. The
class labels separate the training instances into two sets I+ and I− (xi ∈ I+
iff yi = +1; xi ∈ I− iff yi = −1). Given a hypothesis space H of all possible
functions h (h : Rn → Y), the classification task is to find a function (classifier) h
that accurately classifies future, unseen data

ผลลัพธ์ (ไทย) 1:

งานประเภทที่ 2สมมติว่า เราได้ xi l ฝึกอินสแตนซ์ในพื้นที่ Euclidian มี n มิติRn แต่ละอินสแตนซ์ของการฝึกอบรมได้เป็นคลาสป้ายยี่∈ Y ที่ Y = {−1, + 1 } ที่แยกป้ายชั้นเรียนการฝึกที่อินสแตนซ์ในสองชุดผม + และ I− (∈สิฉัน +iff yi = + 1 ซีอานซีกวน∈ I− iff yi = −1) กำหนดช่องว่างสมมติฐาน H ของทั้งหมดได้ฟังก์ชัน h (h: Rn → Y), เป็นงานประเภทหา h ฟังก์ชัน (classifier)ที่ต้องแบ่งประเภทของข้อมูลในอนาคต unseen

ผลลัพธ์ (ไทย) 2:

2
การจัดหมวดหมู่งานสมมติว่าเรามีการฝึกอบรมกรณีลิตรจินในพื้นที่Euclidian n มิติ
Rn เช่นการฝึกอบรมแต่ละคนมีป้ายชั้นยี่∈ Y ที่ Y = {-1, 1}
ฉลากระดับแยกกรณีการฝึกอบรมออกเป็นสองชุดและฉัน + I- (Xi ∈ I +
IFF ยี่ = 1; จิ∈ I- IFF ยี่ = -1) กำหนดพื้นที่สมมติฐาน H
เป็นไปได้ทุกฟังก์ชั่นเอช(h: Rn → Y) งานจัดหมวดหมู่คือการหาฟังก์ชั่น (ลักษณนาม)
เอชที่ถูกต้องในอนาคตจัดประเภทข้อมูลที่มองไม่เห็น

ผลลัพธ์ (ไทย) 3:

2 การจำแนกงาน
สมมติว่าเราได้ฝึกอินสแตนซ์ซี ในพื้นที่ n-dimensional euclidian
RN . การฝึกอบรมแต่ละอินสแตนซ์มีป้ายชื่อคลาสอี∈ Y , Y = − 1 { 1 } ป้าย
แยกชั้นเรียนการฝึกอบรมอินสแตนซ์ออกเป็น 2 ชุดฉันและฉัน− ( Xi ∈ผม
IFF ยี = 1 ; ซี∈ผม−− 1 = IFF ยี ) สมมติฐานว่าง H ได้รับทั้งหมดเป็นไปได้
ฟังก์ชัน h ( H : Rn → keyboard - key - name Y )หมวดหมู่งานค้นหาฟังก์ชัน ( ลักษณนาม ) H
แม่นยำกว่าข้อมูลท่องเที่ยวในอนาคต