However, in many applications, a ra

However, in many applications, a ranking of examples according
to class membership probability is not enough. What is needed is
an accurate estimate of the probability that each test example is a
member of the class of interest.
Probability estimates are important when the classification outputs
are not used in isolation but are combined with othersources of
information for decision-making, such as example-dependent misclassification
costs [25] or the outputs of another classifier. For
example, in handwritten character recognition the outputs from the
classifier are used as input to a high-level system which incorporates
domain information, such as a language model

ผลลัพธ์ (ไทย) 1:

อย่างไรก็ตาม ในโปรแกรมประยุกต์หลายโปรแกรม จัดอันดับตามตัวอย่างชั้น น่าเป็นสมาชิกไม่เพียงพอ สิ่งที่จำเป็นการประเมินความถูกต้องของความน่าเป็นที่แต่ละตัวอย่างทดสอบการสมาชิกของคลาสที่น่าสนใจประเมินความน่าเป็นกำลังสำคัญเมื่อแสดงผลการจัดประเภทไม่ได้ใช้ในการแยก แต่กับ othersources ของข้อมูลสำหรับการตัดสินใจ เช่น misclassification ขึ้นอยู่กับตัวอย่างต้นทุน [25] หรือ outputs ของ classifier อื่น สำหรับตัวอย่าง ในการรู้จำอักขระด้วยลายมือแสดงผลจากการclassifier จะใช้เป็นข้อมูลป้อนเข้าระบบในระดับสูงซึ่งประกอบด้วยรายละเอียดโดเมน เช่นแบบภาษา

ผลลัพธ์ (ไทย) 2:

แต่ในการใช้งานหลายการจัดอันดับของตัวอย่างตามความน่าจะเป็นสมาชิกระดับไม่เพียงพอ สิ่งที่ต้องการคือการประเมินที่ถูกต้องของความน่าจะเป็นว่าแต่ละตัวอย่างการทดสอบมีสมาชิกในระดับที่น่าสนใจ. น่าจะเป็นประมาณการที่สำคัญเมื่อผลการจัดหมวดหมู่ไม่ได้ใช้ในการแยก แต่จะรวมกันกับ othersources ของข้อมูลสำหรับการตัดสินใจเช่นตัวอย่างเช่นขึ้นอยู่กับการจำแนกค่าใช้จ่าย [25] หรือผลของลักษณนามอื่น สำหรับตัวอย่างเช่นในการจดจำตัวอักษรที่เขียนด้วยลายมือเอาท์พุทจากลักษณนามถูกนำมาใช้เป็นข้อมูลไปยังระบบในระดับสูงซึ่งประกอบด้วยข้อมูลโดเมนเช่นรูปแบบภาษา

ผลลัพธ์ (ไทย) 3:

อย่างไรก็ตาม ในการใช้งานหลายการจัดอันดับตัวอย่างตาม
ความน่าจะเป็นสมาชิกชั้นเรียนไม่เพียงพอ สิ่งที่จำเป็นคือ
การประเมินความถูกต้องของความน่าจะเป็นที่แต่ละการทดสอบตัวอย่างเป็นสมาชิกของคลาสที่น่าสนใจ
.
ประมาณการความน่าจะเป็นเป็นสำคัญเมื่อผลการจำแนก
ไม่ได้ถูกใช้ในการแยก แต่จะรวมกับ othersources ของ
ข้อมูลสำหรับการตัดสินใจเช่นตัวอย่างขึ้นอยู่กับต้นทุนผิดพลาด
[ 25 ] หรือผลอื่นลักษณนาม สำหรับ
ตัวอย่างเช่นในการรู้จำตัวอักษรลายมือเขียน ผลผลิตจาก
ลักษณนามใช้เป็นปัจจัยพื้นฐานซึ่งประกอบด้วยระบบ
ข้อมูลโดเมน เช่นโมเดลภาษา