1) Baseline: Initially we considere

1) Baseline: Initially we considered the easiest/most
favourable scenario, where we have a balanced stream and
every label is available. In this scenario, all except the
FixedUncertainty Strategy achieve 100% accuracy and Kappa
statistic after processing the 1k instances. This shows that with
enough labelled data is possible to learn an accurate classifier
for PD detection. The low performance of the FixedUncertainty
derives from the default threshold value of 0.9 and
shows the a big limitation of this strategy since in a on-line
setting is very challenging to determine the threshold value
that leads to good results.

ผลลัพธ์ (ไทย) 1:

1) พื้นฐาน: ตอนแรกเราถือว่าง่ายที่สุด/มากที่สุดสถานการณ์ที่ดี การที่เรามีกระแสสมดุล และทุกป้ายสามารถใช้ได้ ในสถานการณ์สมมตินี้ ทั้งหมดยกเว้นการFixedUncertainty กลยุทธ์ให้บรรลุความแม่นยำ 100% และกัปปะสถิติหลังจากประมวลผลอินสแตนซ์ k 1 อาการนี้แสดงว่ามีพอปิดฉลากข้อมูลจำเป็นต้องเรียนรู้ลักษณนามที่ถูกต้องสำหรับการตรวจจับ PD ประสิทธิภาพต่ำของ FixedUncertaintyจากค่าขีดจำกัดเริ่มต้นของ 0.9 และแสดงการมีข้อจำกัดใหญ่ของกลยุทธ์นี้ตั้งแต่ในออนไลน์การตั้งค่าที่จะท้าทายเพื่อกำหนดค่าขีดจำกัดที่นำไปสู่ผลลัพธ์ที่ดี

ผลลัพธ์ (ไทย) 2:

1) พื้นฐาน: ตอนแรกเราถือว่า / ที่สุดง่ายที่สุดใน
สถานการณ์ที่ดีที่เรามีกระแสที่สมดุลและ
ทุกค่ายทุกใช้ได้ ในสถานการณ์สมมตินี้ทั้งหมดยกเว้น
กลยุทธ์ FixedUncertainty บรรลุความถูกต้อง 100% และแคปป้า
สถิติหลังจากการประมวลผลอินสแตนซ์ 1k นี้แสดงให้เห็นว่ามี
ข้อมูลที่มีป้ายกำกับพอเป็นไปได้ที่จะเรียนรู้ลักษณนามที่ถูกต้อง
สำหรับการตรวจสอบ PD ผลการดำเนินงานที่ต่ำของ FixedUncertainty
มาจากค่าเกณฑ์การเริ่มต้นของ 0.9 และ
แสดงให้เห็นถึงข้อ จำกัด ใหญ่ของกลยุทธ์นี้ตั้งแต่ในเกี่ยวกับสาย
การตั้งค่าเป็นสิ่งที่ท้าทายมากในการกำหนดมูลค่าเกณฑ์
ที่นำไปสู่ผลลัพธ์ที่ดี

ผลลัพธ์ (ไทย) 3:

1 ) พื้นฐาน : ตอนแรกเราถือว่าง่ายที่สุด /สถานการณ์ที่ดีที่เราได้กระแสสมดุลและทุกค่ายทุกพร้อม ในสถานการณ์สมมตินี้ ทั้งหมด ยกเว้นกลยุทธ์ fixeduncertainty บรรลุความถูกต้อง 100% และ คัปป้าสถิติหลังการประมวลผล 1 กรณี นี้แสดงให้เห็นกับพอป้ายข้อมูลเป็นไปได้เรียนรู้ลักษณนามที่ถูกต้องสำหรับตรวจจับ PD ประสิทธิภาพต่ำของ fixeduncertaintyได้มาจากค่าเริ่มต้นของค่า 0.9 และแสดง ใหญ่ ข้อ จำกัด ของกลยุทธ์นี้ เพราะในทางออนไลน์การท้าทายมากที่จะหาค่าเกณฑ์ที่นำไปสู่ผลลัพธ์ที่ดี