SVM เป็นอัลกอริทึมที่สามารถนำมาช่วย

SVM เป็นอัลกอริทึมที่สามารถนำมาช่วยแก้ปัญหาการจำแนกข้อมูล ใช้ในการวิเคราะห์ข้อมูลและจำแนกข้อมูล โดยอาศัยหลักการของการหาสัมประสิทธิ์ของสมการเพื่อสร้างเส้นแบ่งแยกกลุ่มข้อมูลที่ถูกป้อนเข้าสู่กระบวนการสอนให้ระบบเรียนรู้ โดยเน้นไปยังเส้นแบ่งแยกแยะกลุ่มข้อมูลได้ดีที่สุด SVM เกิดจากการที่นำค่าของกลุ่มข้อมูลมาวางลงใน Feature Space จากนั้นจึงหาเส้นที่ใช้แบ่งข้อมูลทั้งสองออกจากกันโดยจะสร้างเส้นแบ่ง (Hyperplane) ที่เป็นเส้นตรงขึ้นมา และเพื่อให้ทราบว่าเส้นตรงที่แบ่งสองกลุ่มออกจากกันนั้น เส้นตรงใดเป็นเส้นที่ดีที่สุด

สำหรับรากฐานเดิมของ Support Vector Machine ถูกนำมาใช้กับข้อมูลที่เป็นเชิงเส้น แต่ในความเป็นจริงแล้วข้อมูลที่นำมาใช้ในระบบการสอนให้ระบบเรียนรู้ส่วนใหญ่มักเป็นข้อมูลแบบไม่เป็นเชิงเส้น ซึ่งสามารถแก้ปัญหาดังกล่าวด้วยการนำ Kernal Function มาใช้

การจำแนกข้อมูลบนระนาบหลายมิติ จะใช้ส่วนการเลือกที่มีความเหมาะสมที่สุดเรียกว่า feature selection ซึ่งโครงสร้างในการคัดเลือกมาจากข้อมูลที่สอนให้ระบบเรียนรู้ จำนวนเซตของโครงสร้างที่ใช้อธิบายในกรณีหนึ่ง เรียกว่า vector

ผลลัพธ์ (อังกฤษ) 1:

SVM เป็นอัลกอริทึมที่สามารถนำมาช่วยแก้ปัญหาการจำแนกข้อมูล ใช้ในการวิเคราะห์ข้อมูลและจำแนกข้อมูล โดยอาศัยหลักการของการหาสัมประสิทธิ์ของสมการเพื่อสร้างเส้นแบ่งแยกกลุ่มข้อมูลที่ถูกป้อนเข้าสู่กระบวนการสอนให้ระบบเรียนรู้ โดยเน้นไปยังเส้นแบ่งแยกแยะกลุ่มข้อมูลได้ดีที่สุด SVM เกิดจากการที่นำค่าของกลุ่มข้อมูลมาวางลงใน Feature Space จากนั้นจึงหาเส้นที่ใช้แบ่งข้อมูลทั้งสองออกจากกันโดยจะสร้างเส้นแบ่ง (Hyperplane) ที่เป็นเส้นตรงขึ้นมา และเพื่อให้ทราบว่าเส้นตรงที่แบ่งสองกลุ่มออกจากกันนั้น เส้นตรงใดเป็นเส้นที่ดีที่สุด For its original foundations Support Vector Machine applied to linear data but, in fact, the information systems of teaching-learning system, often as a non-linear. Who can solve the problem with Kernal Function used. A breakdown on the plane will use to select the most appropriate selection feature, which is called the structure in the data selection tutorial system to learn. The number of set of structures that are used to describe, in one case, called vector.

ผลลัพธ์ (อังกฤษ) 2:

SVM is an algorithm that can be used to help solve the problem of data classification. Used in data analysis and data classification. By means of the coefficients of the equation to create a separate set of data that is entered into the system to learn the teaching process. By focusing on the lines distinguish the data best SVM is due to take charge of the group laid down in the Feature Space and then find the line that divides the two apart by creating lines (Hyperplane). is linear up And to recognize that the line that divides the two groups apart. Straight line is the best line for the original foundation of Support Vector Machine is used with data that is linear. But in fact, the data used in the teaching learning system is most often non-linear. Which can solve the problem by bringing Kernal Function used to classify multi-dimensional data on a plane. Take part, choosing the most appropriate structure called feature selection in the selection of the training data to learn the system. Set the number of structures that describe, in one case called vector.

ผลลัพธ์ (อังกฤษ) 3:

SVM algorithms can solve the problems of classification data. Used in data analysis and classification of information.By focusing on the information to distinguish the best SVM caused the value of the data group placed into Feature Space then find lines divide the information both from the line. (Hyperplane) is straight up.Straight line which is the best!
.For the original foundation of Support Vector Machine was applied to data that is linear. But in fact, the data used in the system and teaching system, learn the most often ข้อมูลแบบ nonlinearKernal Function used
.
.Data classification on plane in multiple dimensions. Use selection with the most appropriate called feature selection which structures in the selection of มาจากข้อมูล teaching learning system The set of structures that described in one case, called vector
.