Zacznij terazZacznij za darmo

Kiedy klasyfikatory z miękkim marginesem są przydatne?

W tej lekcji przyjrzeliśmy się przykładowi, w którym liniowa maszyna SVM z miękkim marginesem (niski koszt, szeroki margines) osiągnęła lepszą dokładność niż jej odpowiednik z twardym marginesem (wysoki koszt, wąski margines). Które z poniższych zdań najlepiej uzupełnia następujące stwierdzenie:

Liniowe klasyfikatory z miękkim marginesem są najprawdopodobniej przydatne, gdy:

To ćwiczenie jest częścią kursu

Maszyny wektorów nośnych w R

Zobacz kurs

Interaktywne ćwiczenie praktyczne

Przekształć teorię w praktykę dzięki jednemu z naszych interaktywnych ćwiczeń

Rozpocznij ćwiczenie