(Bensusan & Kalousis, 2001) have re

(Bensusan & Kalousis, 2001) have recently investigated Meta-Learning in a
similar setting, using features extended from STATLOG, histograms of numeric
attributes and landmarking using seven learners, four of which are also used by
us as base classifiers. They considered three meta-learners. They found that
landmarking is superior to predict errors of classifiers which was confirmed in our
experiments. However, they found that landmarking is not useful to generate
good rankings for classifiers – no meta-learner is able to perform better than a
default strategy. Our results indicate that for predicting significant differences,
landmarking features are also less useful. Mean absolute errors are given, but
no statistical correlation measure can be found for the regression experiments.
Some regression rules from Cubist are shown and interpreted, even though they
state that ranking determine from Cubist’s error prediction always perform
worse than the default.

ผลลัพธ์ (ไทย) 2:

(Bensusan และ Kalousis, 2001) เมื่อเร็ว ๆ นี้มีการสอบสวน Meta-Learning
ในการตั้งค่าที่คล้ายกันโดยใช้คุณสมบัติที่ยื่นออกมาจากSTATLOG, histograms
ตัวเลขของคุณลักษณะและlandmarking
ใช้เรียนเจ็ดสี่ซึ่งนอกจากนี้ยังใช้เราเป็นฐานการจําแนก พวกเขาคิดว่าสาม meta-เรียน พวกเขาพบว่า
landmarking
จะดีกว่าที่จะคาดการณ์ข้อผิดพลาดของตัวจําแนกที่ได้รับการยืนยันของเราในการทดลอง แต่พวกเขาพบว่า landmarking
ไม่เป็นประโยชน์ในการสร้างการจัดอันดับที่ดีสำหรับการจําแนก- ไม่
meta-ผู้เรียนสามารถที่จะทำงานได้ดีขึ้นกว่ากลยุทธ์การเริ่มต้น ผลของเราแสดงให้เห็นว่าการทำนายความแตกต่าง,
คุณสมบัติ landmarking ยังมีประโยชน์น้อย จะหมายถึงข้อผิดพลาดที่แน่นอนได้รับ
แต่ไม่มีวัดความสัมพันธ์ทางสถิติที่สามารถพบได้สำหรับการทดลองการถดถอย.
บางกฎถดถอยจาก Cubist
มีการแสดงและการตีความถึงแม้ว่าพวกเขาระบุว่าการจัดอันดับตรวจสอบข้อผิดพลาดจากการทำนายCubist
เสมอดำเนินการเลวร้ายยิ่งกว่าการเริ่มต้น

ผลลัพธ์ (ไทย) 3:

( เบนซูเซิ่น& kalousis , 2001 ) เพิ่งได้เรียนรู้ในการตั้งค่า meta
คล้ายกันโดยใช้คุณลักษณะขยายจาก statlog ปี , และใช้คุณลักษณะตัวเลข
landmarking เจ็ดสี่ของผู้เรียน ซึ่งยังใช้โดย
เราเป็นคำพื้นฐาน พวกเขาถือว่าผู้เรียน 3 เม . พวกเขาพบว่า
landmarking ดีกว่าคาดการณ์ผิดคำลักษณนามที่ได้รับการยืนยันในของเรา
การทดลอง อย่างไรก็ตาม พวกเขาพบว่า landmarking ไม่ได้เป็นประโยชน์ในการสร้างอันดับที่ดีรวมทั้ง
คำ meta ผู้เรียนสามารถแสดงดีกว่า
เริ่มต้นกลยุทธ์ ผลของเราระบุว่าทำนายอย่างมีนัยสำคัญ
landmarking ยังมีคุณลักษณะที่มีประโยชน์น้อย หมายถึงข้อผิดพลาดที่แน่นอนจะได้รับแต่
ไม่ทางสถิติ การวัดสามารถพบได้ในขั้นตอนการทดลอง
บางถดถอยจากกฎลูกบาศก์แสดงและตีความ แม้ว่าพวกเขา
รัฐอันดับตรวจสอบความผิดพลาดของการพยากรณ์จากลูกบาศก์าเสมอ
แย่กว่า

เริ่มต้น