AbstractWe describe SLIPPER~ a new

Abstract
We describe SLIPPER~ a new rule learner that generates
rulesets by repeatedly boosting a simple, greedy,
rule-builder. Like the rulesets built by other rule learners,
the ensemble of rules created by SLIPPER is compact
and comprehensible. This is made possible by
imposing appropriate constraints on the rule-builder,
and by use of a recently-proposed generalization of Adaboost
called confidence-rated boosting. In spite of its
relative simplicity, SLIPPER ishighly scalable, and an
effective learner. Experimentally, SLIPPER scales no
worse than O(n log n), where n is the number of examples,
and on a set of 32 benchmark problems, SLIPPER
achieves lower error rates than RIPPER 20 times, and
lower error rates than C4.5rules 22 times.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อเราอธิบายแตะ ~ ผู้เรียนกฎใหม่ที่สร้างrulesets โดยซ้ำ ๆ ส่งเสริมง่าย ๆ โลภสร้างกฎ เช่น rulesets ที่สร้างขึ้น โดยผู้เรียนกฎวงดนตรีของกฎที่สร้าง โดยรองเท้าแตะมีขนาดเล็กและ comprehensible นี้จะได้รับข้อจำกัดที่เหมาะสมปลอดกฎสร้างโดยใช้ของ generalization ที่นำเสนอล่าสุดของ Adaboostเรียกความมั่นใจได้คะแนนเพิ่ม ทั้ง ๆ ที่มันความเรียบง่ายแบบย่อ ishighly รองเท้าแตะที่สามารถต่อขยาย และผู้เรียนมีประสิทธิภาพ Experimentally รองเท้าแตะระดับไม่แย่กว่า O (n n ล็อก), ซึ่ง n คือจำนวนตัวอย่างและชุด 32 มาตรฐานปัญหา รองเท้าแตะได้รับข้อผิดพลาดราคาพิเศษที่ต่ำกว่า RIPPER 20 ครั้ง และลดข้อผิดพลาดราคากว่า C4.5rules 22 ครั้ง

ผลลัพธ์ (ไทย) 2:

บทคัดย่อเราอธิบายรองเท้า ~ เรียนรู้กฎใหม่ที่สร้าง rulesets ด้วยซ้ำส่งเสริมง่ายโลภกฎสร้าง เช่นเดียวกับ rulesets ที่สร้างขึ้นโดยการเรียนการปกครองอื่น ๆชุดของกฎที่สร้างขึ้นโดยรองเท้ามีขนาดกะทัดรัดและเข้าใจ นี้ทำไปได้โดยการจัดเก็บภาษีข้อ จำกัด ที่เหมาะสมในการปกครองของผู้สร้าง, และโดยการใช้ลักษณะทั่วไปเมื่อเร็ว ๆ นี้นำเสนอ Adaboost เรียกความเชื่อมั่นในการส่งเสริมการจัดอันดับ ทั้งๆที่ความเรียบง่าย, รองเท้าแตะ ishighly ปรับขนาดได้และเรียนรู้ที่มีประสิทธิภาพ ทดลองรองเท้าเครื่องชั่งน้ำหนักไม่เลวร้ายยิ่งกว่า O (n log n) โดยที่ n คือจำนวนของตัวอย่าง, และในชุดของ 32 ปัญหามาตรฐาน, รองเท้าแตะประสบความสำเร็จในการลดอัตราการเกิดข้อผิดพลาดRIPPER กว่า 20 เท่าและต่ำกว่าอัตราความผิดพลาดC4.5rules 22 ครั้ง

ผลลัพธ์ (ไทย) 3:

นามธรรม
เราอธิบายรองเท้า ~ กฎใหม่ที่สร้างขึ้นโดยผู้เรียน
rulesets ซ้ำๆ พื่นที่เรียบง่าย , โลภ , Builder
กฎ ชอบ rulesets สร้างขึ้นโดยผู้เรียนกฎอื่น ๆชุดของกฎที่สร้างขึ้นโดย

รองเท้ามีขนาดเล็ก และเข้าใจได้ นี้ได้ โดยเฉพาะปัญหาที่เหมาะสมในกฎ

โดยสร้างและใช้แบบเสนอการแผ่ขยายของ adaboost
เมื่อเร็วๆ นี้การจัดอันดับเรียกความมั่นใจ ส่งเสริม แม้ว่า
ญาติความเรียบง่าย , รองเท้า ishighly ยืดหยุ่นและ
ผู้เรียนอย่างมีประสิทธิภาพ โดย รองเท้าแตะ เกล็ดไม่
แย่กว่า O ( n log n ) โดยที่ n คือจำนวนตัวอย่าง
และชุด 32 มาตรฐานปัญหารองเท้า
สามารถลดอัตราความคลาดเคลื่อนมากกว่า Ripper 20 ครั้ง และลดอัตราความคลาดเคลื่อนมากกว่า

c4.5rules 22 ครั้ง