decomposed into k single-rating rec

decomposed into k single-rating recommendation problems. Second, aggregation function
f is chosen using domain expertise, statistical techniques, or machine learning techniques. For example, the domain expert may suggest a simple average function of
the underlying multi-criteria ratings for each item based on her prior experience
and knowledge. An aggregation function also can be obtained by using statistical
techniques, such as linear and non-linear regression analysis techniques, as well
as various sophisticated machine learning techniques, such as artificial neural networks. Finally, the overall rating of each unrated item is computed based on the k
predicted individual criteria ratings and the chosen aggregation function f .

ผลลัพธ์ (ไทย) 1:

แยกเป็น k เดียวอันดับคำแนะนำปัญหา รวมฟังก์ชันที่สองf คือเลือกใช้โดเมนความเชี่ยวชาญ เทคนิคทางสถิติ หรือเทคนิคการเรียนรู้ของเครื่อง ตัวอย่าง โดเมนผู้เชี่ยวชาญอาจแนะนำฟังก์ชันเฉลี่ยอย่างง่ายของจัดอันดับหลายเงื่อนไขพื้นฐานสำหรับแต่ละรายการตามประสบการณ์ของเธอก่อนและความรู้ ฟังก์ชันการรวมยังสามารถได้รับ โดยใช้สถิติเทคนิค เช่นการถดถอยเชิงเส้น และไม่เชิงเส้นการวิเคราะห์เทคนิค เช่นเป็นเครื่องจักรที่ทันสมัยต่าง ๆ ศึกษาเทคนิค เช่นเครือข่ายประสาท artificial ในที่สุด จัดอันดับโดยรวมของสินค้าแต่ละอันดับจะคำนวณตาม kคาดว่า การจัดอันดับแต่ละเกณฑ์และ f ฟังก์ชันรวมท่าน

ผลลัพธ์ (ไทย) 2:

ย่อยสลายเป็น k คะแนนเดียวปัญหาข้อเสนอแนะ ประการที่สองการรวมฟังก์ชั่น
เอฟได้รับการแต่งตั้งโดยใช้ความเชี่ยวชาญโดเมน, เทคนิคทางสถิติหรือเครื่องเทคนิคการเรียนรู้ ตัวอย่างเช่นผู้เชี่ยวชาญโดเมนอาจแนะนำฟังก์ชั่นเฉลี่ยที่เรียบง่ายของ
ต้นแบบการจัดอันดับหลายเกณฑ์สำหรับแต่ละรายการขึ้นอยู่กับประสบการณ์ก่อนที่เธอ
และความรู้ ฟังก์ชั่นการรวมนอกจากนี้ยังสามารถได้รับโดยใช้สถิติ
เทคนิคเช่นการเชิงเส้นและไม่เชิงเส้นเทคนิคการวิเคราะห์การถดถอยเช่นเดียว
กับเทคนิคการเรียนรู้เครื่องที่มีความซับซ้อนต่างๆเช่น Arti สายเครือข่ายประสาททางการ ในที่สุดคะแนนรวมของแต่ละรายการจะไม่มีการจัดอันดับวณ k
คาดการณ์ของแต่ละบุคคลการจัดอันดับหลักเกณฑ์และฟังก์ชัน f รวมได้รับการแต่งตั้ง

ผลลัพธ์ (ไทย) 3:

ย่อยสลายเป็นปัญหาเดียว K แนะนำการประเมิน ประการที่สอง การรวมฟังก์ชัน
F เลือกใช้ความเชี่ยวชาญโดเมน , สถิติ , หรือเทคนิคการเรียนรู้ของเครื่อง . ตัวอย่างเช่น ผู้เชี่ยวชาญแนะนำฟังก์ชันเฉลี่ยง่ายๆ
ต้นแบบหลายเกณฑ์คะแนนสำหรับแต่ละรายการขึ้นอยู่กับ
ประสบการณ์ของเธอก่อน และ ความรู้การรวมฟังก์ชันยังสามารถได้รับโดยการใช้เทคนิคทางสถิติ
เช่นเส้นและเส้นถดถอยเทคนิคการวิเคราะห์เช่นกัน
ตามที่ต่าง ๆที่ซับซ้อนเทคนิคการเรียนรู้ของเครื่องเช่นกิจึง่โครงข่ายใยประสาท ในที่สุด คะแนนโดยรวมของแต่ละรายการ 7.0 จะคำนวณตาม K
ทำนายคะแนนเกณฑ์ของแต่ละบุคคลและการเลือกฟังก์ชัน f .