A limitation of Chi Merge is that i

A limitation of Chi Merge is that it cannot be used to discretize data for unsupervised learning (clustering) tasks [11]. Also, Chi Merge is only attempting to discover first order (single attribute) correlations, thus might not perform correctly when there is a second-order correlation without a corresponding first-order correlation, which might happen if an attribute only correlates in the presence of some other condition. Another shortcoming of Chi Merge is its lack of global evaluation. When deciding which intervals to merge, the algorithm only examines adjacent intervals, ignoring other surrounding intervals. Because of this restricted local analysis, it is possible that the formation of a large, relatively uniform interval could be prevented by an unlikely run of examples within it. One possible fix is to apply the x2 test to three or more intervals at a time. The x2 formula is easily extended, by adjusting the value of the parameter m in the x2 calculation.

ผลลัพธ์ (ไทย) 1:

ข้อ จำกัด ของการผสานไคก็คือว่ามันไม่สามารถนำมาใช้เพื่อ discretize ข้อมูลสำหรับการเรียนรู้ใกล้ชิด (กลุ่ม) งาน [11] ยังผสานไคเป็นเพียงการพยายามที่จะค้นพบลำดับแรก (แอตทริบิวต์เดียว) ความสัมพันธ์จึงไม่อาจดำเนินการอย่างถูกต้องเมื่อมีความสัมพันธ์ลำดับที่สองโดยไม่ต้องสอดคล้องสัมพันธ์ลำดับแรก,ซึ่งอาจเกิดขึ้นได้หากคุณสมบัติเพียง แต่มีความสัมพันธ์ในที่ที่มีบางส่วนเงื่อนไขอื่น ๆ บกพร่องของผสานไคอื่นคือการขาดของการประเมินผลทั่วโลก เมื่อตัดสินใจที่ช่วงเวลาที่จะรวมขั้นตอนวิธีเดียวที่จะตรวจสอบช่วงเวลาที่ติดกันโดยไม่คำนึงถึงช่วงเวลาอื่น ๆ โดยรอบ เพราะการวิเคราะห์ในประเทศนี้ จำกัด เป็นไปได้ว่าการก่อตัวของขนาดใหญ่ที่ช่วงเวลาที่ค่อนข้างสม่ำเสมอสามารถป้องกันได้โดยการทำงานไม่น่าตัวอย่างภายใน หนึ่งในการแก้ไขที่เป็นไปได้คือการใช้การทดสอบ x2 ถึงสามหรือมากกว่าช่วงเวลา สูตร x2 จะขยายออกไปได้อย่างง่ายดายโดยการปรับค่าของพารามิเตอร์เมตรในการคำนวณ x2

ผลลัพธ์ (ไทย) 2:

ข้อจำกัดของชีผสานเป็นว่า มันไม่สามารถใช้การ discretize ข้อมูลสำหรับงานการ unsupervised เรียน (คลัสเตอร์) [11] ยัง ได้ชีผสานเฉพาะพยายามค้นพบความสัมพันธ์แรกสั่ง (แอตทริบิวต์เดียว) ดังนั้น อาจทำได้อย่างถูกต้องเมื่อมีความสัมพันธ์ลำดับที่สอง โดยครั้งแรกสั่งตรงความสัมพันธ์ ซึ่งอาจเกิดขึ้นถ้าแอตทริบิวต์คู่ในต่อหน้าของเงื่อนไขบางอย่างเท่านั้น การขาดการประเมินโลกคงอื่นของชีผสานได้ เมื่อตัดสินใจช่วงที่จะผสาน อัลกอริทึมการตรวจสอบช่วงติด ละเว้นช่วงอื่น ๆ โดยรอบเท่านั้น เนื่องจากการวิเคราะห์เครื่องนี้จำกัด เป็นไปได้ที่การก่อตัวของใหญ่ ช่วงค่อนข้างสม่ำเสมอสามารถป้องกันได้ โดยการรันน่าของตัวอย่างภายในนั้น แก้ไขหนึ่งอาจจะใช้ x 2 ทดสอบเพื่อช่วงเวลาอย่าง น้อย 3 ครั้ง สูตรคือได้ขยาย ปรับค่าของ m พารามิเตอร์ใน x 2 2 x คำนวณ

ผลลัพธ์ (ไทย) 3:

การจำกัดของ CHI รวมกันเป็นว่าไม่สามารถใช้ในการ discretize ข้อมูลโดยไม่ต้องมีการตรวจสอบสำหรับการเรียนรู้(คลัสเตอร์)งาน[ 11 ] นอกจากนั้นยังมีชีรวมกำลังพยายามเพื่อการสำรวจครั้งแรกการสั่งซื้อ(แอตทริบิวต์เดี่ยว)สัมพันธ์เชิงจึงอาจจะไม่ได้ทำอย่างถูกต้องเมื่อมีความสัมพันธ์กันอย่างที่สอง - การสั่งซื้อที่ไม่มีความสัมพันธ์กันอย่างที่เกี่ยวข้องเป็นครั้งแรกที่การสั่งซื้อเท่านั้นซึ่งอาจจะเกิดขึ้นหากแอตทริบิวต์ที่เท่านั้นเชื่อมโยงในการมีอยู่ของ สภาพ อื่นๆบางอย่าง อีกหนึ่งความล้มเหลวหรือความบกพร่องของ CHI รวมกันคือการที่ไม่มีการประเมินผลระดับโลก ในการตัดสินใจซึ่งในแต่ละช่วงจะรวมอัลกอริธึมเท่านั้นจะตรวจสอบในแต่ละช่วงใกล้กับไม่สนใจในแต่ละช่วงโดยรอบแห่งอื่นๆ เพราะในการวิเคราะห์ในท้องถิ่นมีการจำกัดนี้เป็นไปได้ว่าการจัดตั้งที่มีขนาดใหญ่ได้ช่วงเวลาเป็นเครื่องแบบไม่สามารถป้องกันได้โดยใช้ซึ่งไม่น่าจะเกิดขึ้นในตัวอย่างอยู่ ภายใน หนึ่งแก้ไขเป็นไปได้คือการใช้การทดสอบ x 2 ที่ถึงสามหรือมากกว่าในแต่ละช่วงเวลา สูตร x 2 ที่มีระยะยาวได้อย่างง่ายดายโดยการปรับค่าของม.พารามิเตอร์ที่อยู่ในการคำนวณ x 2