him as reliable, this kind of error

him as reliable, this kind of error is more dangerous and more
costly than the previous one, the model with the lowest rate of
Type I error is considered as the best model. From Table V we
remark that models M3 and M4 have the lowest rate of Type
I error, followed by models M5, M6 and M2, in other hand
models M1 and M7 have the most raised Type I error rate, It
seems that these two previous models have greater difficulty
in predicting non-reliable clients than reliable ones.
The previous misclassification rates are obtained when the
cut-off is 0.5, however changing this threshold might modify
the previous results and can allow decider to catch a greater
number of good or bad applicants. Hand [24] in his work
proposed the use of graphical tools as evaluation criterion, in
place of scalar criterion. We use in this paper the ROC (i.e.
receiver operating characteristic) curve to evaluate our seven
models, the ROC curve shows how the errors change when the
threshold varies, this kind of curve situate positives instances
against the negatives instances which allow finding the middle
ground between specificity and sensitivity.
Figure 2 shows the ROC curve of our models. The X axis
of the curve represents models’ 1 − specificity (i.e. Type
II error rate) and the Y axis represents models’ sensitivity
(i.e. 1−Type I error rate). According to Liu and Schumann
[25] a model with a ROC curve, which follows the 45◦ line
would be useless. It would classify the same proportion of not
worthy applicants and worthy cases into the not worthy class
at each value of the threshold. Figure 2 shows that the seven
models are convexes and situated over the first bisector, which
lead us to affirm that our models are statistically approved and
not useless. In Figure 2 we remark that models M3 and M4
curves appears considerably higher to the other models’ curves
which confirms our intuition about their performance, models
M1, M7 and M2 has the lowest AUC (i.e. air under curve),
from the balance between false positive and false negative
point of view these models are bad.

ผลลัพธ์ (ไทย) 1:

เขาเป็นที่เชื่อถือได้ ชนิดของข้อผิดพลาดนี้เป็นอันตรายมากขึ้น และมากขึ้นค่าใช้จ่ายสูงกว่าหนึ่งก่อนหน้านี้ แบบอัตราต่ำสุดพิมพ์ฉันผิดพลาดถือว่าเป็นรุ่นดีที่สุด จากตาราง V เราหมายเหตุว่า โมเดล M3 และ M4 มีอัตราต่ำสุดของชนิดฉันผิดพลาด ตาม ด้วยรุ่น M5, M6 และ M2 ในอีกรุ่น M1 และ M7 ได้ยกสุดพิมพ์อัตราข้อผิดพลาด ฉันนั้นดูเหมือน ว่า รุ่นก่อนหน้าสองเหล่านี้มีความยากลำบากมากขึ้นในการทำนายลูกค้าไม่น่าเชื่อถือกว่าคนที่เชื่อถือได้ราคาพิเศษ misclassification ก่อนหน้านี้จะได้รับเมื่อการตัดเป็น 0.5 อย่างไรก็ ตามการเปลี่ยนแปลงขีดจำกัดนี้อาจปรับเปลี่ยนผลก่อนหน้านี้ และสามารถ decider การจับเป็นมากกว่าจำนวนผู้สมัครดี หรือไม่ดี มือ [24] ในงานของเขาการใช้เครื่องมือกราฟิกเป็นเกณฑ์การประเมิน การนำเสนอในสถานที่เกณฑ์สเกลา เราใช้กระดาษนี้ ROC (เช่นโค้งรับปฏิบัติลักษณะ) ประเมินเจ็ดของเรารูปแบบ เส้นโค้ง ROC แสดงวิธีเปลี่ยนข้อผิดพลาดเมื่อการขีดจำกัดแตกต่างกันไป ชนิดของเส้นโค้งนี้แล้วอินสแตนซ์การทำงานผิดพลาดกับกรณีสิ่งที่ค้นหาตรงกลางพื้นดินระหว่าง specificity และความไวรูปที่ 2 แสดงเส้นโค้ง ROC รุ่นของเรา แกน Xเส้นโค้งแสดงถึงรุ่น 1 − specificity (เช่นพิมพ์อัตราข้อผิดพลาด II) และแกน Y แสดงความไวของแบบจำลอง(เช่น 1−Type ฉันอัตราข้อผิดพลาด) ตามการเล่าและสคูมัน[25] แบบโค้ง ROC ซึ่งตามบรรทัด 45◦จะเป็นประโยชน์ มันจะแบ่งประเภทสัดส่วนเดียวกันของไม่ผู้สมัครที่คุ้มค่า และคุ้ม ค่ากรณีในระดับไม่สมควรที่แต่ละค่าของขีดจำกัด รูปที่ 2 แสดงที่เจ็ดรุ่นที่มี convexes และอยู่เหนือ bisector แรก ซึ่งนำเรารับรองว่า ของแบบจำลองทางสถิติได้รับการรับรอง และไม่ไร้ประโยชน์ ในรูปที่ 2 เรารีที่รุ่น M3 และ M4เส้นโค้งปรากฏมากขึ้นการโค้งของรุ่นอื่น ๆซึ่งยืนยันของสัญชาตญาณเกี่ยวกับการปฏิบัติ รุ่นM7, M1 และ M2 มี AUC ต่ำ (เช่นอากาศภายใต้เส้นโค้ง),จากสมดุลระหว่างลบบวก และเท็จเท็จมองรูปแบบเหล่านี้จะไม่ดี

ผลลัพธ์ (ไทย) 2:

เขาเชื่อถือได้ตามชนิดของข้อผิดพลาดนี้เป็นสิ่งที่อันตรายมากขึ้นและค่าใช้จ่ายสูงกว่าก่อนหน้านี้หนึ่งรุ่นที่มีอัตราต่ำสุดของความผิดพลาดประเภทถือเป็นรุ่นที่ดีที่สุด จากตาราง V เราสังเกตว่ารุ่นM3 และ M4 มีอัตราต่ำสุดของประเภทความผิดพลาดตามมาด้วยรุ่นM5, M6 และ M2 ในมืออื่น ๆรุ่น M1 และ M7 ได้ประเภทที่เกิดขึ้นมากที่สุดที่ฉันอัตราความผิดพลาดมันดูเหมือนว่าทั้งสองก่อนหน้ารุ่นนี้มีความยากลำบากมากขึ้นในการทำนายลูกค้าที่ไม่น่าเชื่อถือกว่าคนที่เชื่อถือได้. อัตราจำแนกก่อนหน้านี้จะได้รับเมื่อตัดเป็น 0.5 แต่เปลี่ยนเกณฑ์นี้อาจปรับเปลี่ยนผลก่อนและสามารถให้ decider จะจับมากขึ้นจำนวนดีหรือไม่ดีผู้สมัคร มือ [24] ในงานของเขาที่นำเสนอการใช้เครื่องมือแบบกราฟิกเป็นเกณฑ์การประเมินผลในสถานที่ของเกณฑ์เกลา ที่เราใช้ในบทความนี้ร็อค (เช่นรับลักษณะการดำเนินงาน) เส้นโค้งการประเมินเจ็ดของเรารุ่นโค้ง ROC แสดงให้เห็นว่าข้อผิดพลาดที่มีการเปลี่ยนแปลงเมื่อเกณฑ์ที่แตกต่างกันชนิดของเส้นโค้งตั้งอยู่กรณีบวกนี้กับกรณีฟิล์มที่ช่วยให้การหาตรงกลางพื้นดินระหว่างความจำเพาะและความไว. รูปที่ 2 แสดงให้เห็นเส้นโค้งร็อครุ่นของเรา แกน X ของเส้นโค้งหมายถึงรุ่น 1 - เฉพาะเจาะจง (เช่นประเภทที่สองอัตราความผิดพลาด) และแกน Y แสดงให้เห็นถึงรูปแบบ 'ความไว(เช่น 1 ประเภทอัตราความผิดพลาด) ตามที่หลิวและแมนน์[25] รูปแบบที่มีเส้นโค้งร็อคซึ่งต่อไปนี้45◦สายจะไร้ประโยชน์ มันจะจัดสัดส่วนเดียวกันของไม่ได้ผู้สมัครที่คุ้มค่าและกรณีที่คุ้มค่าลงไปในระดับที่คุ้มค่าไม่ได้ที่ค่าของเกณฑ์ในแต่ละ รูปที่ 2 แสดงให้เห็นว่าเจ็ดรุ่นconvexes และตั้งอยู่เหนือเส้นแบ่งครึ่งแรกซึ่งนำเราไปยืนยันว่าแบบจำลองของเราได้รับการอนุมัติทางสถิติและไม่ได้ไร้ประโยชน์ ในรูปที่ 2 เราสังเกตว่ารุ่น M3 และ M4 โค้งปรากฏมากสูงที่จะโค้งในรูปแบบอื่น ๆซึ่งยืนยันสัญชาตญาณของเราเกี่ยวกับผลการดำเนินงานของพวกเขารุ่นM1, M7 และ M2 มี AUC ต่ำสุด (เช่นอากาศภายใต้โค้ง) จากความสมดุลระหว่างความเท็จ บวกเชิงลบและเท็จมุมมองรูปแบบเหล่านี้จะไม่ดี

ผลลัพธ์ (ไทย) 3:

เขาเชื่อถือได้ อย่าง นี้ ชนิดของข้อผิดพลาดที่เป็นอันตรายมากขึ้น
แพงมากกว่าเดิม โมเดลที่มีอัตราต่ำสุดของ
ความคลาดเคลื่อนประเภทที่ถือว่าเป็นรุ่นที่ดีที่สุด จากตารางที่ 5 เรารุ่น M3 และ M4
หมายเหตุว่ามีอัตราความคลาดเคลื่อนประเภท
ตามด้วยรุ่น M5 , M6 และ M2 M1 แบบในมืออื่น ๆและ M7
มีมากที่สุดยกความผิดพลาดประเภทที่ 1 ได้คะแนน มัน
ดูเหมือนว่าทั้งสองรุ่นก่อนหน้านี้มีความไม่น่าเชื่อถือมากขึ้น
ทำนายลูกค้ามากกว่าคนที่เชื่อถือได้
อัตราผิดพลาดก่อนหน้าจะได้รับเมื่อ
ตัดเป็น 0.5 , อย่างไรก็ตามการเปลี่ยนเกณฑ์นี้อาจปรับเปลี่ยน
ผลลัพธ์ก่อนหน้า และสามารถช่วยให้ decider จับจำนวนมาก
ของดี หรือ ไม่ดี สมัครแล้ว มือ [ 24 ]
งานของเขาเสนอให้ใช้เครื่องมือกราฟิกเป็นเกณฑ์การประเมินในสถานที่ของเกณฑ์
สเกลาร์ . ในกระดาษนี้เราใช้ ROC ( เช่น
รับปฏิบัติการลักษณะ ) โค้งไปประเมิน 7
นางแบบของเรา โค้ง ROC แสดงข้อผิดพลาดเมื่อ
เปลี่ยนเกณฑ์แตกต่างกัน , ชนิดของเส้นโค้งอยู่บวกกับลบอินสแตนซ์

กรณีที่อนุญาตให้ค้นหากลางพื้นดินระหว่างความจำเพาะและความไว
รูปที่ 2 แสดงโค้ง ROC รุ่นของเรา ส่วนแกน X
ของเส้นโค้งแสดงโมเดล 1 −ความจำเพาะ ( เช่นชนิด
2 อัตราความผิดพลาด ) และแกน Y เป็นรุ่นความไว
( เช่น 1 −ความผิดพลาดประเภทที่ 1 ได้คะแนน ) ตามที่เล่าและชูมันน์
[ 25 ] เป็นแบบที่มีโค้ง ROC ซึ่งต่อไปนี้ 45 ◦บรรทัด
ไม่มีประโยชน์