23.7.2 Candidates-basedDifferent mo

23.7.2 Candidates-based

Different models are better suited to different users or to different problems (see
Chapter 2). So both the choice of the training set (AL) and the choice of the model,
called Model Selection (MS), affect the predictive accuracy of the learned function.
There is in fact a strong dependency between AL and MS, meaning that useful points
for one model may not be as useful for another (Figure 23.9). This section discusses
how to perform AL with regards to multiple model candidates and the issues that
may arise when doing so.

ผลลัพธ์ (ไทย) 1:

23.7.2 ผู้สมัครตามรูปแบบต่าง ๆ ก็เหมาะสม กับผู้ใช้อื่น หรือปัญหาอื่น (ดูบทที่ 2) ดังนั้นทั้งสองตัวเลือกของชุดฝึกอบรม (AL) และหลากหลายแบบเรียกว่าแบบจำลองตัวเลือก (MS), มีผลต่อความถูกต้องงานของฟังก์ชั่นการเรียนรู้มีใช้จริงอ้างอิงที่แข็งแกร่งระหว่าง AL และ MS หมายความว่า ที่จุดสำหรับรูปแบบหนึ่งอาจไม่เป็นประโยชน์สำหรับอีก (รูป 23.9) ส่วนนี้กล่าวถึงวิธีการทำ AL เกี่ยวกับผู้สมัครหลายรูปแบบและปัญหาที่อาจเกิดขึ้นเมื่อทำเช่นนั้น

ผลลัพธ์ (ไทย) 2:

23.7.2 ผู้สมัครตามรูปแบบที่แตกต่างกันจะดีเหมาะกับผู้ใช้งานที่แตกต่างกันหรือปัญหาที่แตกต่างกัน (ดูบทที่ 2) ดังนั้นทั้งสองทางเลือกของชุดการฝึกอบรม (AL) และทางเลือกของรูปแบบที่เรียกว่ารุ่นเลือก (MS) ส่งผลกระทบต่อความถูกต้องของการคาดการณ์เรียนรู้ฟังก์ชั่น. นอกจากนี้ในความเป็นจริงการพึ่งพาระหว่างอัลและ MS ซึ่งหมายความว่าจุดที่มีประโยชน์สำหรับรูปแบบหนึ่งอาจจะไม่เป็นประโยชน์อีก (รูปที่ 23.9) ในส่วนนี้จะกล่าวถึงวิธีการดำเนินการอัลมีไปถึงผู้สมัครหลายรูปแบบและปัญหาที่อาจเกิดขึ้นเมื่อทำเช่นนั้น

ผลลัพธ์ (ไทย) 3:

23.7.2 ผู้สมัครตาม

แบบที่แตกต่างกันเหมาะกับผู้ใช้ที่แตกต่างกันหรือปัญหาที่แตกต่างกัน ( ดู
บทที่ 2 ) ดังนั้นทั้งสองทางเลือกของชุดฝึกอบรม ( AL ) และทางเลือกของรูปแบบ
เรียกว่าเลือกรุ่น ( MS ) มีผลต่อความถูกต้องพยากรณ์ของเรียนรู้ฟังก์ชัน .
ในความเป็นจริงมีการพึ่งพาแรงระหว่างล และนางสาว หมายความว่า
จุดประโยชน์สำหรับรูปแบบหนึ่งอาจจะมีประโยชน์เป็นอีกตัวเลข ( 3.5 ) ส่วนนี้อธิบาย
วิธีการดำเนินการเกี่ยวกับผู้สมัครแบบอัลและหลายปัญหาที่
อาจเกิดขึ้นเมื่อทำเช่นนั้น