The predominant approach to choose

The predominant approach to choose classifiers empirically is to estimate
the accuracy of candidate algorithms on the problem, usually via crossvalidation1, and select the one which seems to be most accurate. Schaffer (1993) has
investigated this approach in a small study with three learning algorithms on
five UCI datasets. His conclusions are that on the one hand this procedure is
on average better than working with a single learning algorithm, but, on the
other hand, the crossvalidation procedure often picks the wrong base algorithm
on individual problems. This problem is expected to become more severe with
an increasing number of classifiers.

ผลลัพธ์ (ไทย) 2:

วิธีการที่โดดเด่นในการเลือกลักษณนามสังเกตุคือการประเมินความถูกต้องของขั้นตอนวิธีการที่ผู้สมัครในการแก้ปัญหาที่มักจะผ่าน crossvalidation1 และเลือกหนึ่งซึ่งดูเหมือนว่าจะมีความถูกต้องมากที่สุด
เชฟเฟอร์ (1993)
ได้รับการตรวจสอบวิธีการนี้ในการศึกษาขนาดเล็กที่มีสามขั้นตอนวิธีการเรียนรู้ในห้าชุดข้อมูล
UCI ข้อสรุปของเขาที่บนมือข้างหนึ่งขั้นตอนนี้คือโดยเฉลี่ยดีกว่าการทำงานกับการเรียนรู้ขั้นตอนวิธีการเดียวแต่ในมืออื่นๆ ขั้นตอน crossvalidation มักจะหยิบอัลกอริทึมฐานที่ไม่ถูกต้องเกี่ยวกับปัญหาของแต่ละบุคคล ปัญหาที่เกิดขึ้นนี้คาดว่าจะกลายเป็นความรุนแรงมากขึ้นด้วยการเพิ่มจำนวนของลักษณนาม

ผลลัพธ์ (ไทย) 3:

วิธีการเลือกใช้เป็นลักษณนาม ) เพื่อประเมินความถูกต้องของขั้นตอนวิธี
ผู้สมัครในปัญหา มักจะผ่าน crossvalidation1 และเลือกหนึ่งที่น่าจะถูกต้องที่สุด เชเฟอร์ ( 1993 )
) วิธีการนี้ในการศึกษาขนาดเล็กที่มีสามอัลกอริทึมการเรียนรู้บน UCI
5 ชุดข้อมูล ข้อสรุปของเขาว่า ในมือข้างหนึ่งขั้นตอนนี้
โดยเฉลี่ยแล้วทำงานได้ดีกว่ากับขั้นตอนวิธีแบบเดียว แต่ในมืออื่น ๆ ,
, ขั้นตอน crossvalidation มักจะหยิบ
ขั้นตอนวิธีผิดเกี่ยวกับปัญหาของแต่ละบุคคล ปัญหานี้คาดว่าจะกลายเป็นรุนแรงมากขึ้นด้วย
เพิ่มจํานวน คือ