This paper is structured as follows

This paper is structured as follows. In Section 2 we
present our approach for enhancing naive Bayes by
using locally weighted learning. Section 3 contains experimental
results for two artificial domains and a collection
of benchmark datasets, demonstrating that the
predictive accuracy of naive Bayes can be improved by
learning locally weighted models at prediction time.
Section 4 discusses related work on enhancing the performance
of naive Bayes. Section 5 summarizes the
contributions made in this paper.

ผลลัพธ์ (ไทย) 1:

กระดาษนี้มีโครงสร้างดังนี้ ในส่วน 2 เรานำเสนอวิธีการของเราสำหรับการเพิ่มขำน่า Bayes โดยใช้เครื่องถ่วงน้ำหนักเรียนรู้ 3 ส่วนประกอบด้วยการทดลองผลลัพธ์สำหรับโดเมนเทียมสองและคอลเลกชันของเกณฑ์มาตรฐาน datasets เห็นที่ขำน่า Bayes คาดการณ์แม่นยำสามารถปรับปรุงได้โดยเรียนรู้เครื่องถ่วงน้ำหนักรุ่นเวลาทายหมวดที่ 4 กล่าวถึงงานที่เกี่ยวข้องเกี่ยวกับการเพิ่มประสิทธิภาพการทำงานของ Bayes ขำน่า ส่วนที่ 5 สรุปการผลงานที่ทำในเอกสารนี้

ผลลัพธ์ (ไทย) 2:

กระดาษนี้จะมีโครงสร้างดังนี้ ในส่วนที่ 2 ที่เรานำเสนอวิธีการของเราในการเพิ่มเบส์ไร้เดียงสาโดยใช้การเรียนรู้ในท้องถิ่นถ่วงน้ำหนัก มาตรา 3 ให้มีการทดลองผลสองโดเมนเทียมและคอลเลกชันของชุดข้อมูลมาตรฐานแสดงให้เห็นว่าความถูกต้องของการทำนายที่ไร้เดียงสาBayes สามารถปรับปรุงโดยการเรียนรู้แบบถ่วงน้ำหนักในประเทศในเวลาคาดการณ์. หมวดที่ 4 กล่าวถึงการทำงานที่เกี่ยวข้องกับการเพิ่มประสิทธิภาพการทำงานของเบส์ที่ไร้เดียงสา หมวดที่ 5 สรุปผลงานที่ทำในบทความนี้

ผลลัพธ์ (ไทย) 3:

กระดาษนี้มีโครงสร้างดังนี้ ในส่วนที่ 2 เรา
ปัจจุบันวิธีการของเราเพื่อเพิ่ม Naive Bayes โดย
ใช้ภายในหรือการเรียนรู้ ส่วนที่ 3 ประกอบด้วยการทดลอง
2 เทียมโดเมนและคอลเลกชัน
ของมาตรฐานข้อมูล , แสดงให้เห็นว่า
ความถูกต้องพยากรณ์ของไร้เดียงสา Bayes จะดีขึ้น
การเรียนรู้ภายในเวลาทำนายแบบถ่วงน้ำหนัก .
ส่วนที่ 4 กล่าวถึงงานที่เกี่ยวข้องในการส่งเสริมประสิทธิภาพ
ของไร้เดียงสา Bayes . ส่วนที่ 5 การสรุป
เขียนในกระดาษแผ่นนี้