Of course, learning such PETs is ou

Of course, learning such PETs is our ultimate interest. In the case of figure 1, other
methods would learn better using fewer examples. But when the dimensionality of the
problem is even moderately high, and little is known about the form of the underlying
distribution, a piecewise-uniform approximation may well have lower bias or variance or
both than smoother estimators.

ผลลัพธ์ (ไทย) 1:

แน่นอน เรียนสัตว์เลี้ยงดังกล่าวเป็นดอกเบี้ยที่ดีที่สุดของเรา ในกรณีที่รูป 1 อื่น ๆ
วิธีจะเรียนรู้ดีขึ้น โดยใช้ตัวอย่างน้อย แต่เมื่อ dimensionality ของ
ปัญหาได้ค่อนข้างสูง และน้อยเป็นที่รู้จักกันเกี่ยวกับรูปแบบของตัว
กระจาย ประมาณ piecewise เหมือนกันอาจมีความโน้มเอียงหรือความแปรปรวนต่ำ หรือ
ทั้งกว่า estimators เรียบ

ผลลัพธ์ (ไทย) 2:

ของหลักสูตรการเรียนรู้สัตว์เลี้ยงดังกล่าวเป็นที่น่าสนใจที่ดีที่สุดของเรา ในกรณีของรูปที่ 1, อื่น ๆ
จะได้เรียนรู้วิธีการที่ดีกว่าการใช้ตัวอย่างน้อย แต่เมื่อมิติของ
ปัญหาที่เกิดขึ้นจะยิ่งสูงปานกลางและน้อยเป็นที่รู้จักกันเกี่ยวกับรูปแบบของที่อยู่ภายใต้
การจัดจำหน่ายประมาณ piecewise สม่ำเสมออาจมีอคติที่ต่ำกว่าหรือความแปรปรวนหรือ
ทั้งสองกว่าประมาณเรียบเนียน

ผลลัพธ์ (ไทย) 3:

หลักสูตร การเรียนรู้สัตว์เลี้ยงเช่นความสนใจที่ดีที่สุดของเรา ในกรณีของรูปที่ 1 วิธีอื่น
จะเรียนดีกว่าใช้ตัวอย่างน้อยกว่า แต่เมื่อ dimensionality ของ
ปัญหาแม้สูงปานกลางและน้อยเป็นที่รู้จักกันเกี่ยวกับรูปแบบของต้นแบบ
กระจาย ประมาณชุดอาจจะมีอคติ หรือเป็นช่วงล่างแบบเรียบหรือ
ทั้งกว่าตัวประมาณ