What is the translation of " SUPPORT VECTOR " in English?

• support vector
• support vectors

Examples of using Support vector in Indonesian and their translations into English

Identifikasi menggunakan Support Vector Machine.
Implement the support vector machine.

Support Vector Machine sebagai pengklasifikasi.
Support vector machine was used as a classifier.

Metode klasifikasi yang digunakan adalah support vector machines.
The classifier used is a support vector machine.

Support Vector Machine sebagai pengklasifikasi.
Abe S. Support vector machines for pattern classification.

Pattern yang paling dekat ini disebut sebagai support vector.
The closest objects are called the support vectors.

Support Vector Machine Teori dan Aplikasinya dalam BioInformatika.
Support vector machine applications in bioinformatics.

Titik yang terdekat dengan hyperplane disebut support vector.
The points closest to the hyperplane are called the support vectors.

Dalam kedua kasus tersebut, Support Vector Machines menunjukkan kinerja yang sangat baik.
In both cases, Support Vector Machines show an excellent performance.

Titik yang terdekat dengan hyperplane disebut support vector.
The points closest to the separating hyperplanes are called the Support Vectors.

Kami telah melihat bagaimana Support Vector Machines secara sistematis menangani data yang sempurna/ hampir linier terpisah.
We have seen how Support Vector Machines systematically handle perfectly/almost linearly separable data.

SVM akan menemukan hyperplane ini menggunakan support vector dan margin.
The SVM locates this hyperplane by using support vectors and margins.

Algoritma Support Vector Machine( SVM) adalah algoritma klasifikasi yang juga berfungsi untuk memprediksi loyalitas pelanggan.
Support Vector Machine(SVM) is a classification algorithm that widely used to predict the customer loyalty.

Titik yang terdekat dengan hyperplane disebut support vector.
The points that lie closest to the optimum hyper plane are called support vectors.

Untuk lebih jelasnya paper Platt, J. C.( 1999), Fast training of support vector machines using sequential minimal optimization menjelaskannya dengan lebih detail.
Platt J(1999) Fast Training of Support Vector Machines using Sequential Minimal Optimization.

Data yang berkorelasi dengan α i yang positif disebut sebagai support vector.
The data point xi that is corresponding λi is called support vector.

Support vector machine( SVM) merupakan salah satu algoritma Machine learning yang paling populer untuk klasifikasi dan regresi Maali dkk.
The Support Vector Machine(SVM) is one of the most popular machine learning algorithms for classification and regression.

Ilustrasi di bawah ini menunjukkan ide dasar di balik Support Vector Machines.
The illustration below shows the basic idea behind Support Vector Machines.

Support vector machines( SVM) yang digunakan untuk mendeteksi dan mengeksploitasi pola yang kompleks di data oleh clustering, klasifikasi dan peringkat data.
Supportvectormachines(SVM) are used to detect and exploit complex patterns in data by clustering, classifying and ranking the data.

Penerapan SVM pada kasus regresi disebut Support Vector Regression( SVR).
Application of SVMs to regression problems is known as support vector regression(SVR).

Support vector machines( SVM) yang digunakan untuk mendeteksi dan mengeksploitasi pola yang kompleks di data oleh clustering, klasifikasi dan peringkat data.
Support vector machines[edit] support vector machines SVM are used to detect and exploit complex patterns in data by clustering, classifying and ranking the data.

Untuk metoda klasifikasi yang digunakan adalah K- Nearest Neighbor( K-NN) dan Support Vector Machine( SVM).
For classification, k-nearest neighbor(KNN) and support vector machine(SVM) are utilized.

Vapnik menyarankan sebuah pengembangan dari mesin support vector yang memungkinkan pembuatan classifier yang tidak linear.
Vapnik suggested an improvement on the original support vector machine which allows for the creation of nonlinear classifiers.

Adapun data terdekat dengan hyperplane pada masing-masing kelas inilah yang disebut support vector.
The nearest exemplars to this hyperplane from each category are known as the support vectors.

Support Vector Machines memberi Anda cara untuk memilih di antara banyak pengklasifikasi yang mungkin dengan cara yang menjamin peluang lebih tinggi untuk melabeli data pengujian Anda dengan benar.
Support vector machines give you a way to pick between many possible classifiers in a way that guarantees a higher chance of correctly labeling your test data.

Setelah tim Statsbot mempublikasikan posting tentang deteksi anomali seri waktu, banyak pembaca meminta kami untuk memberi tahu mereka tentang pendekatan Support Vector Machines.
After the Statsbot team published the post about time series anomaly detection, many readers asked us to tell them about the support vector machines approach.

Metode yang digunakan untuk klasifikasi lama studi mahasiswa dengan jenis data nominal adalah Metode Support Vector Machine( SVM) dan akan dibandingkan dengan metode Regresi Logistik Biner.
The method used to study the old classification of students with nominal data type is the method of Support Vector Machine(SVM) and will be compared with the Binary Logistic Regression method.

Support Vector Machine( SVM) adalah sistem pembelajaran yang pengklasifikasiannya menggunakan ruang hipotesis berupa fungsi-fungsi linear dalam sebuah ruang fitur( feature space) berdimensi tinggi, dilatih dengan algoritma pembelajaran yang didasarkan pada teori optimasi dengan mengimplementasikan learning bias yang berasal dari teori pembelajaran statistic.
Support Vector Machines(SVM) are learning systems that use a hypothesis space of linear function in high dimensional feature space, trained with learning algorithm from optimization theory that implements a learning bias derived from statistical learning theory.

Dua contoh yang sangat umum ini adalah model grafis, dimana inferensi sering merupakan superlinear operasi-berpikir tentang ketergantungan n2 pada jumlah negara di Hidden Markov Model dan Kernelized Support Vector Machines mana optimasi biasanya kuadratik atau lebih buruk.
Two very common examples of this are graphical models, where inference is often a superlinear operation- think about the n2 dependence on the number of states in a Hidden Markov Model and Kernelized Support Vector Machines where optimization is typically quadratic or worse.