we give practical hints on the inte

we give practical hints on the interpretation of what classifiers learned from the data and demonstrate in particular that the trade-off between goodness-of-fit and model complexity in regularized LDA relates to a morphing between a dierence pattern of ERPs and a spatial filter which cancels non task-related brain activity.

Results (Vietnamese) 1:

chúng tôi đưa ra gợi ý thực tế về việc giải thích của những gì máy phân loại học được từ các dữ liệu và chứng minh đặc biệt thương mại-off giữa tốt đẹp phù hợp và mô hình phức tạp ở cấp LDA Cải regularized liên quan đến một morphing giữa kiểu di erence ERPs và một bộ lọc không gian mà hủy bỏ hoạt động não không nhiệm vụ liên quan.

Results (Vietnamese) 2:

chúng tôi cung cấp những gợi ý thiết thực vào việc giải thích về những gì học được phân loại từ các dữ liệu và chứng minh cụ thể rằng thương mại-off? giữa thiện-of-fit và mô hình phức tạp trong regularized LDA liên quan đến một morphing giữa một mô hình erence di? của ERP và một bộ lọc không gian mà hủy bỏ hoạt động của não không liên quan đến nhiệm vụ.