Discussion of ResultsCFS outperform

Discussion of Results
CFS outperforms the wrapper four times for naive
Bayes and ¯ve times for C4.5, while the wrapper outperforms
CFS three times for both learning algorithms.
Furthermore, as shown by the entries marked with +"
or ¡" in the tables, CFS improves the accuracy of the
learning algorithms more times and degrades accuracy
fewer times than the wrapper does. For naive Bayes,
CFS improves accuracy eight times and degrades accuracy
only once; the wrapper improves accuracy seven
times but degrades accuracy four times. For C4.5,
CFS improves accuracy twice and degrades accuracy
twice; the wrapper improves accuracy three times but
degrades accuracy ¯ve times.
It appears that the wrapper has some di±culty on
datasets with fewer examples. Cross validation accuracy
estimates can exhibit greater variability when
the number of examples is small (Kohavi, 1995), and
the wrapper may be over¯tting these datasets in some
cases. CFS, on the other hand, does not need to reserve
part of the training data for evaluation purposes, and,
in general, tends to do better on smaller datasets than
the wrapper.

ผลลัพธ์ (ไทย) 1:

อภิปรายผลCFS outperforms กระดาษห่อ 4 ครั้งสำหรับขำน่าBayes และ ¯ve เวลา C4.5 ในขณะที่กระดาษห่อ outperformsCFS สามครั้งสำหรับอัลกอริทึมทั้งสองเรียนรู้นอกจากนี้ แสดงโดย รายการที่มีเครื่องหมาย + "หรือ ¡ "ในตาราง CFS ปรับปรุงความถูกต้องของการการเรียนรู้อัลกอริทึมครั้ง และเสื่อมความถูกต้องเวลาน้อยกว่าแบบกระดาษห่อไม่ สำหรับขำน่า Bayesปรับปรุงความถูกต้องแปดเท่า CFS และเสื่อมความถูกต้องเพียงครั้งเดียว กระดาษห่อที่ช่วยเพิ่มความแม่นยำ 7เวลา แต่เสื่อมความถูกต้องครั้งที่สี่ สำหรับ C4.5ปรับปรุงความแม่นยำสอง CFS และเสื่อมความถูกต้องสอง กระดาษห่อที่ปรับปรุงถูกต้องสามครั้ง แต่เสื่อมความ ¯ve ครั้งปรากฏว่า กระดาษห่อที่มี di±culty บางdatasets ตัวอย่างน้อย ข้ามการตรวจสอบความถูกต้องประเมินสามารถแสดงสำหรับความผันผวนมากขึ้นเมื่อจำนวนตัวอย่างมีขนาดเล็ก (Kohavi, 1995), และการห่ออาจ over¯tting datasets เหล่านี้ในบางกรณี CFS ในทางกลับกัน ไม่จำเป็นต้องจองห้องพักส่วนของข้อมูลการฝึกอบรมเพื่อวัตถุประสงค์ในการประเมินผล และทั่วไป มีแนวโน้มที่ดีใน datasets ขนาดเล็กกว่ากระดาษห่อ

ผลลัพธ์ (ไทย) 2:

การอภิปรายของผล
CFS มีประสิทธิภาพดีกว่าเสื้อคลุมสี่ครั้งสำหรับไร้เดียงสา
Bayes และเวลาและสำหรับ C4.5 ขณะที่เสื้อคลุมมีประสิทธิภาพดีกว่า
CFS สามครั้งเพื่อให้ขั้นตอนวิธีการเรียนรู้ทั้งสอง
นอกจากนี้ที่แสดงโดยรายการที่มีเครื่องหมาย + "
หรือ ¡ "ใน ตาราง CFS ช่วยเพิ่มความถูกต้องของ
ขั้นตอนวิธีการเรียนรู้ครั้งมากขึ้นและลดความถูกต้อง
ครั้งน้อยกว่ากระดาษห่อไม่ สำหรับเบส์ไร้เดียงสา,
CFS ช่วยเพิ่มความแม่นยำแปดครั้งและลดความถูกต้อง
เพียงครั้งเดียว; เสื้อคลุมช่วยเพิ่มความแม่นยำเจ็ด
ครั้ง แต่ลดความถูกต้องครั้งที่สี่ สำหรับ C4.5,
CFS เพิ่มความถูกต้องสองครั้งและลดความถูกต้อง
สองครั้ง; กระดาษห่อเพิ่มความถูกต้องสามครั้ง แต่
ลดความถูกต้องและครั้ง
ปรากฏว่าเสื้อคลุมมีดิบาง± culty ใน
ชุดข้อมูลที่มีตัวอย่างน้อยลง รอการตรวจสอบความถูกต้อง
ประมาณการสามารถแสดงความแปรปรวนมากขึ้นเมื่อ
จำนวนตัวอย่างที่มีขนาดเล็ก (Kohavi, 1995) และ
เสื้อคลุมอาจจะover¯ttingชุดข้อมูลเหล่านี้ในบาง
กรณี CFS บนมืออื่น ๆ ที่ไม่จำเป็นต้องสำรอง
ส่วนหนึ่งของข้อมูลการฝึกอบรมเพื่อการประเมินผลและ
โดยทั่วไปมีแนวโน้มที่จะทำดีขึ้นในชุดข้อมูลที่มีขนาดเล็กกว่า
กระดาษห่อ

ผลลัพธ์ (ไทย) 3:

การอภิปรายผล
CFS โปรยกระดาษห่อสี่ครั้งและ Bayes ไร้เดียงสา
¯ได้ครั้งสำหรับโปรแกรม C4.5 ในขณะที่เสื้อคลุมโปรย
CFS 3 ครั้ง ทั้งการเรียนรู้ขั้นตอนวิธี .
นอกจากนี้ ดังจะเห็นได้จากรายการที่มีเครื่องหมาย " หรือ N ¡
" ตาราง , CFS ปรับปรุงความถูกต้องของ
อัลกอริทึมการเรียนรู้ครั้งและบั่นทอนความถูกต้อง
น้อยครั้งกว่าที่ห่อแล้ว สำหรับ Naive Bayes
,โฆษณาช่วยเพิ่มความแม่นยำและความถูกต้อง
8 ครั้งนี้เพียงครั้งเดียว ; เสื้อคลุมปรับปรุงความถูกต้อง 7
ครั้ง แต่บั่นทอนความถูกต้องสี่ครั้ง สำหรับโปรแกรม C4.5
CFS , ปรับปรุงความถูกต้องและความแม่นยำสองครั้งสองครั้งนี้
; เสื้อคลุมปรับปรุงความถูกต้องสามครั้งแต่
บั่นทอนความถูกต้อง¯ได้ครั้ง .
ปรากฏว่าเสื้อคลุมมี ดิ ± culty บน
ข้อมูลตัวอย่างน้อยกว่า ข้ามการตรวจสอบความถูกต้อง
ประมาณการสามารถจัดแสดงมากขึ้นความแปรปรวนเมื่อ
จำนวนตัวอย่างมีขนาดเล็ก ( kohavi , 1995 ) และกระดาษห่ออาจจะมากกว่า¯

ตัดข้อมูลเหล่านี้ในบางกรณี โฆษณาบนมืออื่น ๆที่ไม่ต้องจอง
ส่วนหนึ่งของการฝึกอบรมข้อมูลเพื่อวัตถุประสงค์ในการประเมินและ
โดยทั่วไปมีแนวโน้มที่จะทำให้ดีกว่าบนข้อมูลมีขนาดเล็กกว่า
กระดาษห่อ