The examples that are incorrectly c

The examples that are incorrectly classified by their
respective bounding planes are the so-called ‘support
vectors’. It is interesting to note that the resulting
separating hyperplane is a function of the support vectors only. This is one of the advantages of the SVM approach
over other classification algorithms, since errors naturally
concentrate on the boundaries.

Results (Thai) 2:

ตัวอย่างที่ได้รับการจัดของพวกเขาไม่ถูกต้องโดย
เครื่องบินอื่น ๆ ที่มีขอบเขตที่เรียกว่า 'การสนับสนุน
เวกเตอร์ ' เป็นที่น่าสนใจที่จะทราบว่าผล
การแยกไฮเปอร์เพลเป็นหน้าที่ของเวกเตอร์สนับสนุนเท่านั้น นี้เป็นหนึ่งในข้อได้เปรียบของวิธี SVM
กว่าขั้นตอนวิธีการจัดหมวดหมู่อื่น ๆ เนื่องจากข้อผิดพลาดตามธรรมชาติ
มีสมาธิในขอบเขต

Results (Thai) 3:

ตัวอย่างที่ไม่ถูกต้องของตนวิ่งตามเครื่องบินสนับสนุน

เรียกว่า ' เงา ' เป็นที่น่าสนใจที่จะทราบว่าผลของระนาบเกิน
แยกเป็นฟังก์ชันของการสนับสนุนเวกเตอร์เท่านั้น นี้เป็นหนึ่งในข้อดีของ SVM วิธีการขั้นตอนวิธีการจำแนก
กว่าอื่น ๆเนื่องจากข้อผิดพลาดโดยธรรมชาติ
มีสมาธิในขอบเขต