Pencarian hyperplane optimal untuk klasifikasi data
⚙️ Pengaturan Kernel
🎮 Kontrol
📊 Statistik
Epoch:0
Support Vectors:0
📐 Perhitungan
\( f(x) = \sum \alpha_i y_i K(x_i, x) + b \)
Bias (b): 0.00
Weights (w): -
📖 Kamus Istilah
Decision Boundary: Garis/kurva pemisah antar kelas (hitam). Untuk kernel
linear berbentuk garis lurus (hyperplane), untuk kernel non-linear berbentuk kurva
Margin: Jarak aman di kiri-kanan decision boundary (putus-putus)
Support Vector: Titik yang menyangga margin (dilingkari)
Kernel: Fungsi untuk mapping ke dimensi lebih tinggi
Epoch: Satu putaran proses belajar
Kelas +1 (Klik Kiri)
Kelas -1 (Shift+Klik)
Klik untuk tambah data. Shift+Klik untuk kelas Merah.Tap untuk tambah data Biru. Tahan untuk Merah.