The sensitivity analysis will be al

The sensitivity analysis will be also used to discard irrelevant inputs, guiding the variable selection algorithm. We will adopt a backward selection scheme, which starts with all variables and iteratively deletes one input until a stopping criterion is met [12]. The difference, when compared to the standard backward selection, is that we guide the variable deletion (at each step) by the sensitivity analysis, in a variant that allows a reduction of the computational effort by a factor of I and that in [14] has outperformed other methods (e.g. backward and genetic algorithms). Similarly to [28], the variable and model selection will be performed simultaneously, i.e. in each backward iteration several models are searched, with the one that presents the best generalization estimate selected. For a given DM method, the overall procedure is

ผลลัพธ์ (ไทย) 1:

การวิเคราะห์ความไวจะยังใช้ละทิ้งอินพุตไม่เกี่ยวข้อง การแนะนำขั้นตอนวิธีการเลือกตัวแปร เราจะนำโครงร่างเลือกย้อนหลัง ซึ่งเริ่มต้น ด้วยตัวแปรทั้งหมด และซ้ำ ๆ ลบหนึ่งป้อนจนเงื่อนไขการหยุดตาม [12] ความแตกต่าง เมื่อเทียบกับมาตรฐานเลือกย้อนหลัง ถูกที่เราแนะนำการลบตัวแปร (ในแต่ละขั้นตอน) โดยการวิเคราะห์ความไว ในตัวแปรที่ช่วยให้ลดความพยายามคำนวณ ด้วยตัวของฉัน และว่า ใน [14] มี outperformed ต่าง ๆ (ย้อนหลัง และพันธุกรรมเช่นอัลกอริทึม) ในทำนองเดียวกัน ไป [28], การเลือกตัวแปร และรูปแบบจะดำเนินการพร้อมกัน เช่นเนื่องย้อนหลังหลายรุ่นจะค้นหา กับนำเสนอการประเมิน generalization สุดที่เลือก สำหรับวิธีการกำหนด DM เป็นกระบวนการโดยรวม

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ความไวจะได้รับการใช้ปัจจัยการผลิตที่จะทิ้งไม่เกี่ยวข้องแนวทางขั้นตอนวิธีการเลือกตัวแปร เราจะนำมาใช้เป็นรูปแบบการเลือกย้อนกลับซึ่งเริ่มต้นด้วยตัวแปรทั้งหมดและซ้ำลบหนึ่งป้อนข้อมูลจนกว่าจะมีเกณฑ์การหยุดจะพบ [12] ความแตกต่างเมื่อเทียบกับการเลือกย้อนหลังมาตรฐานคือการที่เราเป็นแนวทางในการลบตัวแปร (ในแต่ละขั้นตอน) โดยการวิเคราะห์ความไวในตัวแปรที่ช่วยให้การลดลงของความพยายามในการคำนวณโดยปัจจัยที่ผมและว่าใน [14] มีประสิทธิภาพสูงกว่าวิธีการอื่น ๆ (เช่นขั้นตอนวิธีการย้อนกลับและทางพันธุกรรม) เช่นเดียวกันกับ [28] ตัวแปรและการเลือกรูปแบบที่จะดำเนินการไปพร้อม ๆ กันกล่าวคือในแต่ละซ้ำย้อนหลังหลายรูปแบบที่จะค้นหาหนึ่งที่นำเสนอประมาณการทั่วไปที่ดีที่สุดที่เลือก สำหรับวิธีการ DM ที่กำหนดขั้นตอนโดยรวมเป็น

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์ความไวจะยังใช้ปัจจัยการผลิตที่ไม่เกี่ยวข้องทิ้งนำตัวแปรการเลือกอัลกอริทึม เราจะใช้รูปแบบการย้อนหลัง ซึ่งเริ่มต้นด้วยตัวแปรและซ้ำลบหนึ่งใส่จนถึงเกณฑ์หยุดเจอ [ 12 ] ความแตกต่างเมื่อเปรียบเทียบกับการเลือกแบบมาตรฐานคือว่าเรานำตัวแปรลบ ( ในแต่ละขั้นตอน ) โดยการวิเคราะห์ความไว ในตัวแปรที่ช่วยให้การลดลงของคอมพิวเตอร์ความพยายามโดยปัจจัยของผมและใน [ 14 ] สูงกว่าวิธีการอื่น ๆ ( เช่นย้อนกลับและขั้นตอนวิธีเชิงพันธุกรรม ) ในทำนองเดียวกัน [ 28 ] ตัวแปร และการเลือกรูปแบบจะดำเนินการพร้อมกัน ได้แก่ในแต่ละซ้ำไปหลายรุ่น ค้นหา กับหนึ่งที่เสนอการประมาณการที่ดีที่สุดเลือก เพื่อให้วิธีการและ ขั้นตอนโดยรวมเป็น