A more careful look at the probabil

A more careful look at the probability distribution of testing examples reveals why this is the case. Naive Bayes (and C4.5 with CF) does not produce true probabilities. However, with equal class distribution in training set, the probabilities of testing examples are evenly distributed between 0 and 1, thus reducing mistakes in ranking. If the class distribution is unequal, the probability distribution may be skewed within a narrow range in one end. Thus, errors in probability estimation affects the ranking more easily, causing a lower lift index.

ผลลัพธ์ (ไทย) 1:

ดูที่การแจกแจงความน่าเป็นของการทดสอบตัวอย่างระมัดระวังมากขึ้นเปิดเผยเหตุผลที่เป็นเช่นนี้ Naive Bayes (และ C4.5 กับ CF) ผลิตกิจกรรมจริง อย่างไรก็ตาม กับการแจกแจงระดับเท่ากับในชุดฝึกอบรม กิจกรรมของการทดสอบตัวอย่างเท่า ๆ กันกระจายระหว่าง 0 และ 1 ช่วยลดความผิดพลาดในการจัดอันดับ ถ้าการกระจายชั้นไม่เท่ากัน อาจมีเบ้การแจกแจงความน่าเป็นภายในหนึ่งช่วงแคบ ดังนั้น ข้อผิดพลาดในการประเมินความน่าเป็นมีผลกระทบต่อการจัดอันดับเพิ่มเติมเดิน ทำดัชนียกต่ำกว่าการ

ผลลัพธ์ (ไทย) 2:

ดูความระมัดระวังมากขึ้นในการกระจายความน่าจะเป็นตัวอย่างการทดสอบแสดงให้เห็นว่าทำไมเป็นกรณีนี้ หน่อมแน้มเบส์ (และ C4.5 กับ CF) ไม่ได้ผลิตน่าจะเป็นความจริง แต่ด้วยการจัดจำหน่ายระดับที่เท่าเทียมกันในชุดการฝึกอบรมความน่าจะเป็นตัวอย่างการทดสอบมีการกระจายเท่า ๆ กันระหว่าง 0 และ 1 ซึ่งช่วยลดความผิดพลาดในการจัดอันดับ ถ้ามีการกระจายในชั้นเรียนเป็นไม่เท่ากันกระจายอาจจะเบ้อยู่ในช่วงแคบในปลายด้านหนึ่ง ดังนั้นข้อผิดพลาดในการประมาณค่าความน่าจะส่งผลกระทบต่อการจัดอันดับได้ง่ายขึ้นทำให้ดัชนีลดลงลิฟท์

ผลลัพธ์ (ไทย) 3:

ดูเพิ่มความระมัดระวังในการแจกแจงของตัวอย่างทดสอบ พบว่า เป็นกรณีนี้ Naive Bayes ( และโปรแกรม C4.5 กับ CF ) ไม่ผลิตความน่าจะเป็นจริง อย่างไรก็ตาม ด้วยการกระจายระดับที่เท่าเทียมกันในชุดฝึกความน่าจะเป็นของตัวอย่างทดสอบจะกระจายตัวระหว่าง 0 และ 1 ซึ่งช่วยลดความผิดพลาดในการจัดอันดับ ถ้าเรียนแบบไม่เท่ากันน่าจะเป็นการกระจายอาจจะเบ้ในช่วงแคบในปลายด้านหนึ่ง ดังนั้น ความคลาดเคลื่อนในการประมาณความน่าจะเป็นที่มีผลต่อการจัดอันดับมากขึ้นได้อย่างง่ายดาย ทำให้ดัชนียกต่ำ