在做2維度樣本分類(lèi)的過(guò)程中,若我們能事先畫(huà)出訓(xùn)練樣本在空間中的分散情形,這將有助於我們?cè)谠O(shè)定SVM分類(lèi)器的參數(shù)C的取值範(fàn)圍. 例如:若畫(huà)出的訓(xùn)練樣本的散佈較分散,我們可以得知此時(shí)採(cǎi)用的參數(shù)值可以取在較
在做2維度樣本分類(lèi)的過(guò)程中,若我們能事先畫(huà)出訓(xùn)練樣本在空間中的分散情形,這將有助於我們?cè)谠O(shè)定SVM分類(lèi)器的參數(shù)C的取值範(fàn)圍. 例如:若畫(huà)出的訓(xùn)練樣本的散佈較分散,我們可以得知此時(shí)採(cǎi)用的參數(shù)值可以取在較大的範(fàn)圍. 所以本程式也是讓想要畫(huà)出資料樣本在平面的散佈情形者之一各可行工具....