tructure, using two optional kernel

tructure, using two optional kernels: (a) linear and (b)
RBF. Square and circle data points represent the two
classes to be classified (black objects denote the respective
support vectors of each class).
In the testing phase, by inputting an unknown pattern to
trained SVM model, we obtain an output associating this
pattern to one of the two trained classes. High outputs
indicate that the pattern likely belongs to the positive class.
Similarly, low output scores associate the unknown pattern
to the negative class. Binary (yes/no) decisions are
obtained simply by thresholding the output scores. The
strength of the score can be associated with the probability
which the classified pattern belongs to either class, displaying
this as a likelihood ratio.

Results (Thai) 2:

tructure ใช้เมล็ดสองตัวเลือก: (ก) การเชิงเส้นและ (ข)
RBF สแควร์และวงกลมจุดข้อมูลที่เป็นตัวแทนของทั้งสอง
เรียนที่จะจำแนก (วัตถุสีดำแสดงว่าแต่ละ
เวกเตอร์การสนับสนุนของแต่ละชั้นเรียน).
ในขั้นตอนการทดสอบโดยการป้อนรูปแบบที่ไม่รู้จักกับ
รูปแบบการฝึกอบรม SVM เราได้รับการส่งออกนี้เชื่อมโยง
รูปแบบให้เป็นหนึ่งใน สองชั้นได้รับการฝึกฝน เอาท์พุทสูง
แสดงให้เห็นว่ารูปแบบที่มีแนวโน้มเป็นบวกชั้น.
ในทำนองเดียวกันการส่งออกต่ำคะแนนเชื่อมโยงรูปแบบที่ไม่รู้จัก
ไปยังระดับที่เป็นลบ Binary (Yes / No) ตัดสินใจจะ
ได้ง่ายๆโดยการกำหนดเกณฑ์ขั้นต่ำคะแนนเอาท์พุท
ความแข็งแรงของคะแนนสามารถเชื่อมโยงกับความน่าจะเป็น
ที่จัดรูปแบบเป็นทั้งระดับการแสดง
นี้เป็นอัตราส่วนความน่าจะเป็น

Results (Thai) 3:

tructure โดยใช้เมล็ดสองตัวเลือก : ( a ) และ ( b )
เส้นสำเร็จรูป . สี่เหลี่ยมและวงกลมจุดข้อมูลแสดงสอง
ชั้นจะจัด ( วัตถุสีดำแสดงตน
เวกเตอร์สนับสนุนของแต่ละชั้น ) .
ในขั้นตอนการทดสอบโดยป้อนรูปแบบที่ไม่รู้จัก

แบบ SVM trained เราให้ได้ output ประกอบรูปแบบนี้
หนึ่งของทั้งสองได้รับการฝึกฝนในชั้นเรียน ผลผลิตสูง
พบว่ารูปแบบจะเป็นคลาสที่เป็นบวก
ในทํานองเดียวกัน คะแนนต่ำออกเชื่อมโยง
แบบแผนที่ระดับติดลบ ไบนารี ( ใช่ / ไม่ใช่ ) การตัดสินใจได้โดยเพียงแค่การปรับ
ผลคะแนน
แรงของคะแนนสามารถที่เกี่ยวข้องกับความน่าจะเป็น
ซึ่งจัดรูปแบบเป็นของทั้งห้องแสดง
นี้เป็นโอกาสอัตราส่วน