We label data sets as D. When the d

We label data sets as D. When the distinction is important, we indicate train, validation, and test sets as:
Dtrain, Dvalid and Dtest. The validation set is used to perform model selection and hyper-parameter selection,
whereas the test set is used to evaluate the final generalization error and compare different algorithms
in an unbiased way.
The tutorials mostly deal with classification problems, where each data set D is an indexed set of pairs
(x(i); y(i)). We use superscripts to distinguish training set examples: x(i) 2 RD is thus the i-th training
example of dimensionality D. Similarly, y(i) 2 f0; :::;Lg is the i-th label assigned to input x(i). It is
straightforward to extend these examples to ones where y(i) has other types (e.g. Gaussian for regression,
or groups of multinomials for predicting multiple symbols).

ผลลัพธ์ (ไทย) 1:

เราป้ายชื่อชุดข้อมูลเป็น d แตกเป็นสำคัญ เรา เมื่อรถไฟ ตรวจสอบ ทดสอบการตั้งค่าเป็น:Dtrain, Dvalid และ Dtest ใช้ชุดตรวจสอบการเลือกรุ่นและเลือกไฮเปอร์พารามิเตอร์โดยใช้ชุดทดสอบเพื่อประเมินข้อผิดพลาดสุดท้าย generalization และเปรียบเทียบอัลกอริทึมต่าง ๆในทางคนการสอนส่วนใหญ่จัดการกับประเภทปัญหา ซึ่งแต่ละชุดข้อมูล D คือเป็นดัชนีของคู่(x(i); y(i)) เราใช้ตัวยกเพื่อแยกตัวอย่างชุดฝึกอบรม: x(i) 2 ถนนจึงฝึกอบรม i-thตัวอย่างของ dimensionality D. ในทำนองเดียวกัน y(i) 2 f0 :::; Lg เป็นป้ายชื่อ i-th ให้ป้อน x(i) จึงตรงไปตรงมาการขยายตัวอย่างเหล่านี้เพื่อคนที่ y(i) มีอีกชนิด (เช่น Gaussian การถดถอยหรือกลุ่มของ multinomials สำหรับการคาดการณ์หลายสัญลักษณ์)

ผลลัพธ์ (ไทย) 2:

เราป้ายชุดข้อมูลเป็นดีเมื่อความแตกต่างเป็นสิ่งสำคัญที่เราแสดงให้เห็นรถไฟ, การตรวจสอบและชุดทดสอบ:
Dtrain, Dvalid และ Dtest ชุดการตรวจสอบจะใช้ในการดำเนินการเลือกรูปแบบและการเลือกมากเกินไปพารามิเตอร์ในขณะที่ชุดการทดสอบจะใช้ในการประเมินข้อผิดพลาดทั่วไปสุดท้ายและเปรียบเทียบขั้นตอนวิธีการที่แตกต่างกันในทางที่เป็นกลาง. บทเรียนส่วนใหญ่จัดการกับปัญหาการจัดหมวดหมู่ที่ข้อมูลแต่ละชุด D เป็น ชุดการจัดทำดัชนีของคู่(x (i); Y (i)) เราใช้ยกตัวอย่างที่จะแยกแยะชุดฝึกอบรม: x (i) 2 RD จึงเป็นการฝึกอบรมที่ i ตัวอย่างของมิติดีทำนองเดียวกัน, y (i) 2 F0; :::; แอลจีเป็นฉลากที่ i ได้รับมอบหมายให้ป้อนข้อมูล x (i) มันเป็นตรงไปตรงมาในการขยายตัวอย่างเหล่านี้เพื่อคนโดยที่ y (i) ได้ประเภทอื่น ๆ (เช่น Gaussian สำหรับการถดถอยหรือกลุ่มของmultinomials การทำนายสัญลักษณ์หลาย)

ผลลัพธ์ (ไทย) 3:

we เลี่ยง sets มาหา d. , the Training is important , we indicate train แอนติเจน ( หลังจาก sets as :
dtrain , dvalid ( dtest . ตรวจสอบการตั้งค่าที่ใช้เพื่อแสดงการเลือกรูปแบบและการเลือกพารามิเตอร์ไฮเปอร์
และชุดทดสอบที่ใช้ประเมินข้อผิดพลาดการขั้นสุดท้ายและเปรียบเทียบความแตกต่างอัลกอริทึมในทางเป็นกลาง

.การสอนส่วนใหญ่จัดการกับปัญหาประเภทที่ข้อมูลแต่ละชุด D เป็นดัชนีชุดคู่
( X ( i ) ; Y ( i ) ) เราใช้ superscripts แยกแยะตัวอย่างชุดฝึก : X ( i ) 2 ถนน จึงเป็น i-th การฝึกอบรม
ตัวอย่างของ dimensionality D . เหมือนกับ , Y ( i ) 2 ละ ; : : : ; LG เป็น i-th ป้ายมอบหมายให้ใส่ X ( ผม ) มันเป็นตรงไปตรงมาเพื่อขยายตัวอย่างเหล่านี้
ที่ Y ( I ) มีชนิดอื่น ๆ ( เช่น> กรัม สำหรับการถดถอย ,
หรือกลุ่ม multinomials พยากรณ์สัญลักษณ์หลาย )