Presumably, since we apply learning

Presumably, since we apply learning algorithms that rank testing examples and we use lift as the evaluation criterion, we do not need to care much about the imbalanced class distribution in the training set - the first problem mentioned in Section 4 - as long as the learning algorithms produce suitable ranking of the testing examples even if all of them are predicted as negative. Section 5.3 shows that a certain class distribution of training examples produces the best lift, compared to other distributions. As a bonus, it also dramatically reduces the size of the training set, which is the third problem mentioned in Section 4.

ผลลัพธ์ (ไทย) 1:

สันนิษฐานว่า เนื่องจากเราใช้อัลกอริทึมการเรียนรู้ที่จัดอันดับการทดสอบ ตัวอย่างและเราใช้ลิฟท์เป็นเกณฑ์การประเมิน เราไม่จำเป็นต้องดูแลมากเกี่ยวกับการกระจายชั้น imbalanced ในชุดฝึกอบรม - ปัญหาแรกที่กล่าวถึงในหัวข้อ 4 - ตามอัลกอริทึมการเรียนรู้ผลิตเหมาะจัดอันดับของตัวอย่างทดสอบแม้ว่าทั้งหมดคาดว่า เป็นลบ 5.3 ส่วนแสดงว่า บางชั้นกระจายตัวอย่างฝึกสร้างลิฟท์สุด เมื่อเทียบกับอื่น ๆ กระจาย เป็นโบนัส มันยังอย่างมากลดขนาดของชุดฝึกอบรม ซึ่งเป็นปัญหาที่สามที่กล่าวถึงใน 4 ส่วน

ผลลัพธ์ (ไทย) 2:

สันนิษฐานว่าเนื่องจากเราใช้การเรียนรู้ขั้นตอนวิธีการจัดอันดับว่าตัวอย่างการทดสอบและการที่เราใช้ลิฟท์เป็นเกณฑ์การประเมินผลที่เราไม่จำเป็นต้องสนใจมากเกี่ยวกับการจัดจำหน่ายชั้นขาดดุลอยู่ในชุดการฝึกอบรม - ปัญหาแรกที่กล่าวถึงในส่วนที่ 4 - ตราบใดที่การเรียนรู้ ขั้นตอนวิธีการผลิตการจัดอันดับความเหมาะสมของตัวอย่างทดสอบแม้ว่าทั้งหมดของพวกเขาได้รับการคาดการณ์เป็นเชิงลบ มาตรา 5.3 แสดงให้เห็นว่าการจัดจำหน่ายชั้นหนึ่งตัวอย่างการฝึกอบรมการผลิตลิฟท์ที่ดีที่สุดเมื่อเทียบกับการแจกแจงอื่น ๆ เป็นโบนัสก็ยังช่วยลดขนาดของชุดการฝึกอบรมซึ่งเป็นปัญหาที่สามที่กล่าวถึงในส่วนที่ 4

ผลลัพธ์ (ไทย) 3:

สันนิษฐานว่า เนื่องจากเราใช้อัลกอริทึมการเรียนรู้อันดับที่ทดสอบตัวอย่างและเราใช้ลิฟท์เป็นเกณฑ์การประเมิน เราไม่ต้องดูแลมากเกี่ยวกับระดับการกระจายสมดุลในชุดฝึก - ปัญหาแรกที่กล่าวถึงในส่วนที่ 4 -- ตราบใดที่อัลกอริทึมการเรียนรู้ผลิตอันดับที่เหมาะสมของการทดสอบตัวอย่าง แม้ว่าทั้งหมดของพวกเขา คาดการณ์ไว้ที่ลบ มาตรา ๕3 แสดงให้เห็นว่าการกระจายชั้นบางของตัวอย่างการสร้างลิฟท์ที่ดีที่สุด เมื่อเทียบกับวิธีอื่น ๆ เป็นโบนัส , นอกจากนี้ยังช่วยลดขนาดของชุดฝึกอบรมซึ่งเป็นปัญหาที่สามที่กล่าวไว้ในมาตรา ๔