We have found that the outliers and

We have found that the outliers and the imbalanced data directly affected the classification performance and effectiveness of the classifiers. There are 147 registers with PD and 48 healthy ones. The accuracy of the classifiers will be improved by eliminating a number of outliers from both the minority and majority classes, and increasing the size of the minority class to the same size of the majority class.
Once the AI methods have been separately and/or individually tested, the next step will be to use a clustering method also called a metalearning. Metalearning algorithms take classifiers and turn them into more powerful learners with a higher generalization degree. They carry out the classifications either by averaging probability estimation or by voting and they always take advantage of every particular method

ผลลัพธ์ (ไทย) 1:

เราได้พบว่า outliers และข้อมูล imbalanced โดยตรงได้รับผลกระทบประสิทธิภาพการจัดประเภทและประสิทธิภาพของคำนามภาษาที่ มีทะเบียน 147 PD และ 48 คนมีสุขภาพดี ความถูกต้องของคำนามภาษาที่จะปรับปรุง โดยตัดจำนวน outliers จากชนกลุ่มน้อยและส่วนใหญ่เรียน และการเพิ่มขนาดของชนกลุ่มน้อยชั้นขนาดเดียวกันชั้นส่วนใหญ่เมื่อวิธี AI ได้รับแยกต่างหาก หรือแต่ละทดสอบ ขั้นตอนถัดไปจะใช้วิธีระบบคลัสเตอร์หรือที่เรียกว่าเป็น metalearning อัลกอริทึม metalearning ใช้คำนามภาษา และเปลี่ยนให้เป็นผู้เรียนที่มีประสิทธิภาพมากขึ้นด้วยระดับ generalization ที่สูง จะดำเนินการจัดประเภท โดยการหาค่าเฉลี่ยการประเมินความน่าเป็น หรือออกเสียงลงคะแนน และจะได้ใช้ประโยชน์จากทุกวิธีการเฉพาะเสมอ

ผลลัพธ์ (ไทย) 2:

เราพบว่าค่าผิดปกติและข้อมูลที่ขาดดุลรับผลกระทบโดยตรงจำแนกประสิทธิภาพและประสิทธิผลของการแยกประเภท มี 147 ลงทะเบียนกับ PD และ 48 คนที่มีสุขภาพดี ความถูกต้องของตัวจําแนกจะได้รับการปรับปรุงให้ดีขึ้นโดยการกำจัดจำนวนของค่าผิดปกติจากทั้งชนกลุ่มน้อยและการเรียนส่วนใหญ่และการเพิ่มขนาดของชั้นเรียนของชนกลุ่มน้อยที่มีขนาดเท่ากันของการเรียนส่วนใหญ่.
โดยเมื่อวิธีการที่เอไอได้รับการแยกออกจากกันและ/ หรือเป็นรายบุคคล การทดสอบขั้นตอนต่อไปจะใช้วิธีการจัดกลุ่มที่เรียกว่า metalearning ขั้นตอนวิธีการ Metalearning ใช้ลักษณนามและเปิดให้เป็นผู้เรียนที่มีประสิทธิภาพมากขึ้นที่มีระดับสูงกว่าทั่วไป พวกเขาดำเนินการจำแนกประเภททั้งโดยเฉลี่ยประมาณค่าความน่าจะเป็นหรือโดยการลงคะแนนและพวกเขามักจะใช้ประโยชน์จากทุกวิธีการเฉพาะ

ผลลัพธ์ (ไทย) 3:

เราได้พบว่า เมื่อข้อมูลไม่สมดุลและมีผลโดยตรงต่อประสิทธิภาพและประสิทธิผลของการ คือ มี 147 ลงทะเบียนกับ PD และ 48 คนสุขภาพดี ความถูกต้องของคำจะดีขึ้นด้วยการกำจัดจำนวนของค่าผิดปกติทั้งจากชนกลุ่มน้อยและชั้นเรียนส่วนใหญ่และเพิ่มขนาดของชนกลุ่มน้อย ชั้นเรียนขนาดเดียวกันของคนส่วนใหญ่ เรียน
เมื่อไอวิธีการได้รับการแยกและ / หรือการทดสอบทีละ ขั้นตอนต่อไปจะใช้วิธีการแบ่งกลุ่มเรียกว่า metalearning . metalearning ขั้นตอนวิธีใช้ลักษณนามเป็นผู้เรียนที่มีประสิทธิภาพมากขึ้น ด้วยระดับการศึกษาที่สูงขึ้นพวกเขามีหมวดหมู่ให้โดยเฉลี่ยประมาณความน่าจะเป็นหรือโดยการโหวตและพวกเขามักจะใช้ประโยชน์จากทุกวิธีโดยเฉพาะ