Even within the context of classifi

Even within the context of classifiers defined in
terms of simple linear combinations of the predictor
variables, it has often been observed that the major
gains are made by (for example) weighting the
variables equally, with only little further gains to
be had by careful optimization of the weights. This
phenomenon has been termed the flat maximum effect
[13, 43]: in general, often quite large deviations
from the optimal set of weights will yield predictive
performance not substantially worse than the optimal
weights. An informal argument that shows why
this is often the case is as follows.

ผลลัพธ์ (ไทย) 1:

แม้ภายในบริบทของคำนามภาษาที่กำหนดไว้ในเงื่อนไขการรวมเชิงเส้นเรื่องของจำนวนประตูที่ตัวแปร มันมีมักจะถูกตรวจสอบที่สำคัญทำกำไร โดยน้ำหนัก (ตัวอย่าง)ตัวแปรเท่า มีเพียงผ่อนกำไรไปจะได้ โดยระวังปรับน้ำหนัก นี้ปรากฏการณ์ได้ถูกเรียกว่าผลสูงสุดแบน[13, 43]: ในความแตกต่างทั่วไป มักจะค่อนข้างใหญ่จากน้ำหนักชุดดีที่สุดจะได้งานประสิทธิภาพไม่มากเลวร้ายยิ่งกว่าสุดน้ำหนัก อาร์กิวเมนต์เป็นที่แสดงเหตุผลนี้มักจะเป็นกรณีดังนี้

ผลลัพธ์ (ไทย) 2:

แม้จะอยู่ในบริบทของการแยกประเภทที่กำหนดไว้ในแง่ของการรวมกันเชิงเส้นที่เรียบง่ายของการทำนายตัวแปรก็มักจะได้รับการปฏิบัติที่สำคัญกำไรจะทำโดย(ตัวอย่าง) น้ำหนักตัวแปรอย่างเท่าเทียมกันกับกำไรเพียงอีกเล็กน้อยเพื่อจะได้โดยการเพิ่มประสิทธิภาพระมัดระวังของน้ำหนัก นี้ปรากฏการณ์ที่เรียกว่าได้รับผลสูงสุดแบน[13, 43]: โดยทั่วไปมักจะมีขนาดใหญ่มากเบี่ยงเบนจากชุดที่ดีที่สุดของน้ำหนักที่จะทำให้การคาดการณ์ผลการดำเนินงานไม่ได้อย่างมีนัยสำคัญยิ่งกว่าที่ดีที่สุดน้ำหนัก อาร์กิวเมนต์ทางการที่แสดงให้เห็นว่าทำไมนี้มักจะเป็นกรณีดังต่อไปนี้

ผลลัพธ์ (ไทย) 3:

แม้ในบริบทของคำที่กำหนดไว้ในเงื่อนไขของการรวมกันเชิงเส้นอย่างง่าย

ของตัวแปรตัวแปร มันมักจะพบว่า กำไรหลัก
ทําด้วย ( ตัวอย่าง ) น้ำหนัก
ตัวแปรเท่ากับกำไรเพิ่มเติมเพียงเล็กน้อย

ได้โดยการเพิ่มประสิทธิภาพระวังน้ำหนัก ปรากฏการณ์นี้
ถูก termed แบนผลสูงสุด
[ 13 : 43 ] โดยทั่วไปมักจะค่อนข้างใหญ่จากการตั้งค่าที่เหมาะสมของค่า

น้ำหนักจะให้ผลการทำนายประสิทธิภาพไม่เต็มที่มากกว่าน้ำหนักที่เหมาะสม

แบบการแสดงเหตุผล
นี้มักจะเป็นกรณีดังนี้