We have observed that simple statis

We have observed that simple statistical discriminant or clusterization
methods in many cases give results that are comparable or
better than those found by neural networks. A review of different
approaches to classification and comparison of performance of 20
methods on 22 real world datasets has been done within the StatLog
European Community project [3]. The algorithms that appeared
most frequently as the top five were all of statistical nature,
including four discriminant approaches: linear (LDA), logistic
(LogDA), quadratic discriminant (QDA) and a more involved
DIPOL92 method that uses hyperplanes to discriminate between
clusters. The last of the top five method, ALLOC80, is based on
clusterization/density estimation techniques. It is also worth noting
that the simplest version of the nearest neighbor method, using a single
neighbor, achieved best results in 4 cases, and close to the best
in another 3 cases. Our own results on several medical datasets [4]
showed that logical rules that discriminate using hyperplanes perpendicular
to the axes of the input variables are sometimes more
accurate than any other method of classification. Among the top 5
algorithms MLPs trained with the backpropagation algorithm appear
only once at the third position and 3 times at the fifth position. This
clearly shows that in most cases MLPs did not find solutions as good
as those found by statistical discriminant function methods.

ผลลัพธ์ (ไทย) 1:

เราสังเกตที่ discriminant เรื่องสถิติหรือ clusterizationวิธีการในหลายกรณีให้ผลที่เทียบเท่า หรือดีกว่าที่พบ โดยเครือข่ายประสาท การตรวจสอบของที่อื่นแนวทางการจัดประเภทและการเปรียบเทียบประสิทธิภาพของ 20วิธีบนโลกจริง 22 datasets แล้วภายใน StatLogโครงการสหภาพยุโรป [3] อัลกอริทึมที่ปรากฏบ่อยที่สุดเป็นด้านบนห้าได้ทั้งหมดของธรรมชาติทางสถิติรวมทั้งวิธี discriminant สี่: เชิงเส้น (LDA), โลจิสติก(LogDA), discriminant กำลังสอง (QDA) และเกี่ยวข้องมากขึ้นวิธี DIPOL92 ที่ใช้ hyperplanes เหยียดระหว่างคลัสเตอร์ สุดท้ายของวิธีการด้านบนห้า ALLOC80 ตามเทคนิคการประเมิน clusterization/ความ หนาแน่น มีเร็ว ๆ นี้ที่รุ่นวิธีเพื่อนบ้านที่ใกล้ที่สุด ใช้เดียวที่ง่ายที่สุดเพื่อนบ้าน ทำได้ดีที่สุดผลลัพธ์ ในกรณี 4 และดีสุดในกรณีที่ 3 อีก ผลของเราเองในทางการแพทย์หลาย datasets [4]ตรรกะที่แสดงให้เห็นว่ากฎที่เหยียดโดยใช้เส้นตั้งฉาก hyperplanesกับแกนของตัวแปรอินพุตเป็นบางครั้งถูกต้องแม่นยำมากกว่าวิธีอื่น ๆ ของการจัดประเภท ในด้านบน 5อัลกอริทึม MLPs ฝึกฝน ด้วยอัลกอริทึม backpropagation ปรากฏครั้งเดียว ที่ตำแหน่งที่ 3 และครั้งที่ 3 ที่ตำแหน่งห้า นี้แสดงอย่างชัดเจนว่า ในกรณีส่วนใหญ่ MLPs ไม่พบโซลูชันเป็นดีที่พบ โดยวิธีการทางสถิติฟังก์ชัน discriminant

ผลลัพธ์ (ไทย) 2:

เราได้ตั้งข้อสังเกตว่าการจำแนกทางสถิติง่ายหรือ clusterization วิธีการในหลายกรณีที่ให้ผลที่มีการเทียบเคียงหรือดีกว่าที่พบโดยเครือข่ายประสาท ความคิดเห็นที่แตกต่างกันวิธีการจัดหมวดหมู่และการเปรียบเทียบผลการดำเนินงานของ 20 วิธีการในวันที่ 22 ชุดโลกแห่งความจริงได้กระทำภายใน StatLog ยุโรปโครงการชุมชน [3] อัลกอริทึมที่ปรากฏบ่อยที่สุดเท่าที่ห้าอันดับแรกของทุกคนที่มีลักษณะทางสถิติรวมทั้งสี่วิธีการจำแนก: เชิงเส้น (LDA), โลจิสติก(LogDA) จำแนกกำลังสอง (QDA) และอื่น ๆ อีกมากมายที่เกี่ยวข้องกับวิธีการที่ใช้DIPOL92 hyperplanes ที่จะแยกแยะระหว่างกลุ่ม สุดท้ายในห้าสุดยอดวิธี ALLOC80 จะขึ้นอยู่กับclusterization / เทคนิคการประเมินความหนาแน่น นอกจากนี้ยังเป็นที่น่าสังเกตว่ารุ่นที่ง่ายที่สุดของวิธีการเพื่อนบ้านที่ใกล้ที่สุดโดยใช้เพียงครั้งเดียวเพื่อนบ้านบรรลุผลที่ดีที่สุดใน4 รายและอยู่ใกล้กับที่ดีที่สุดในอีก3 กรณี ผลของเราเองในชุดข้อมูลทางการแพทย์หลาย [4] แสดงให้เห็นว่ากฎระเบียบที่แตกต่างตรรกะที่ใช้ hyperplanes ตั้งฉากเพื่อแกนของตัวแปรที่มีบางครั้งมากที่ถูกต้องกว่าวิธีอื่นๆ ของการจัดหมวดหมู่ ในด้านบน 5 MLPs ขั้นตอนวิธีการฝึกอบรมที่มีขั้นตอนวิธีการแพร่กระจายย้อนกลับปรากฏเพียงครั้งเดียวในตำแหน่งที่สามและครั้งที่3 ในตำแหน่งที่ห้า นี้แสดงให้เห็นชัดเจนว่าในกรณีส่วนใหญ่ MLPs ไม่พบการแก้ปัญหาที่ดีที่พบโดยวิธีการทำงานจำแนกทางสถิติ

ผลลัพธ์ (ไทย) 3:

เราได้พบว่าสถิติอย่างง่ายจำแนกหรือวิธีการ clusterization
ในหลายกรณีให้ผลลัพธ์ที่เทียบเท่าหรือดีกว่า
พบโดยโครงข่ายประสาทเทียม รีวิววิธีต่างกัน
เพื่อการจำแนกและการเปรียบเทียบสมรรถนะของวิธี 20
22 โลกจริงข้อมูลเสร็จภายในโครงการชุมชนชาวยุโรป statlog
[ 3 ] อัลกอริทึมที่ปรากฏ
ที่พบบ่อยที่สุดที่ด้านบนห้าถูกธรรมชาติทั้งหมดรวมทั้งสี่วิธีการจำแนกสถิติ
: เชิงเส้น ( lda ) โลจิสติก ,
( logda ) กำลังสองจำแนกประเภท ( qda ) และเกี่ยวข้องมากขึ้น
dipol92 วิธีที่ใช้ hyperplanes แบ่งแยกระหว่าง
คลัสเตอร์ สุดท้ายของด้านบนห้าวิธี alloc80 , ขึ้นอยู่กับ
เทคนิคการประเมิน / ความหนาแน่น clusterization . นอกจากนี้ยังมีมูลค่า noting
ที่รุ่นง่ายของวิธีการเพื่อนบ้านที่ใกล้ที่สุด ใช้บ้านเดียว
, บรรลุผลที่ดีที่สุดใน 4 คดี และใกล้ที่สุด
อีก 3 ราย ผลของเราเองในข้อมูลทางการแพทย์หลาย [ 4 ]
แสดงว่าตรรกะกฎที่แบ่งแยกการใช้ hyperplanes ตั้งฉากกับแกนของ

ใส่ตัวแปรบางครั้งมากขึ้นถูกต้องกว่าวิธีอื่น ๆของการจำแนกในด้านบน 5
ขั้นตอนวิธี MLPs ฝึกด้วยขั้นตอนวิธีแบบปรากฏ
เพียงครั้งเดียวในตำแหน่งที่สามและครั้งที่ 3 ในตำแหน่งที่ห้า นี้
แสดงให้เห็นชัดเจนว่าในกรณีส่วนใหญ่ MLPs ไม่พบโซลูชั่นดี
เป็นผู้พบสถิติฟังก์ชันจำแนกโดยวิธี