We further applied the sampling res

We further applied the sampling results (i.e., Fig. 4)
to develop more sophisticated models using logistic
regression, discriminant function analysis, GARP, fuzzy
logic and artificial neural network using a 1 × 1 Km grid
dataset. Instead of treating all explanatory variables as
equal, these new models tried to weight the variables
differently. Our results indicated that overall accuracies
ranged from 63% to 85% and the GARP model had the
highest predictive power (Lee et al., 2006). With the
ensemble forecasting approach (Araújo and New,
2007), we further developed a robust predictive model
for Fairy Pitta. The combined model yielded a narrower
predictive range than the rule-based model in our study,
though the overall pattern was similar.

ผลลัพธ์ (ไทย) 1:

เรายังนำมาประยุกต์ใช้ผลการสุ่มตัวอย่าง (เช่นมะเดื่อ 4.)
รูปแบบการพัฒนาที่มีความซับซ้อนเพิ่มขึ้นโดยใช้การถดถอยโลจิสติก
การวิเคราะห์ฟังก์ชันจำแนก Garp ตรรกะ
เลือนและเครือข่ายประสาทเทียมโดยใช้ตาราง 1 × 1 กม.
ชุดข้อมูล แทนของการรักษาตัวแปรทั้งหมดเป็น
เท่ากับรุ่นใหม่เหล่านี้พยายามที่จะมีน้ำหนักตัวแปรที่แตกต่างกัน
ผลของเราแสดงให้เห็นความถูกต้องรวมที่
ตั้งแต่ 63% 85% และรูปแบบ Garp มี
อำนาจการทำนายสูงสุด (Lee et al. 2006) ด้วย
ทั้งมวลวิธีการพยากรณ์ (Araújoและใหม่
2007) เราส่งเสริมการพัฒนา
รูปแบบที่แข็งแกร่งสำหรับการพยากรณ์นางฟ้านก รูปแบบการทำงานร่วมกันให้ผลแคบ
ช่วงคาดการณ์กว่ารุ่นตามกฎในการศึกษาของเรา
แม้ว่ารูปแบบโดยรวมที่คล้ายกัน

ผลลัพธ์ (ไทย) 2:

เราใช้ผลสุ่มตัวอย่าง (เช่น Fig. 4) เพิ่มเติม
พัฒนารูปแบบทันสมัยมากขึ้นโดยใช้โลจิสติก
ถดถอย การวิเคราะห์ discriminant ฟังก์ชัน GARP เอิบ
ลอจิกและโครงข่ายประสาทเทียมใช้ 1 × 1 ตารางกิโลเมตร
ชุดข้อมูล แทนที่จะรักษาตัวแปรทั้งหมดอธิบายเป็น
เท่า รุ่นใหม่เหล่านี้พยายามให้น้ำหนักตัวแปร
แตกต่างกัน ระบุผลลัพธ์ของเราที่ accuracies โดยรวม
มา 63% 85% และรุ่น GARP ได้
กำลังงานสูงสุด (Lee et al., 2006) ด้วยการ
วงดนตรีวิธีการคาดการณ์ (Araújo และใหม่,
2007), เราได้พัฒนาแบบจำลองคาดการณ์ประสิทธิภาพเพิ่มเติม
สำหรับนกแต้วแร้วนางฟ้า แบบรวมผลแคบกว่า
ช่วงคาดการณ์กว่าแบบตามกฎในการศึกษาของเรา,
แต่รูปแบบโดยรวม

ผลลัพธ์ (ไทย) 3:

เราเพิ่มเติมนำไปใช้ได้ผลการสุ่มตัวอย่าง(เช่นรูป 4 )
เพื่อพัฒนามากขึ้นโดยใช้การวิเคราะห์ที่ซับซ้อนรุ่น discriminant
ฟังก์ชันด้านการขนส่ง( Log garp เครือข่าย
เชิงตรรกะและเกินเทียมทำงานด้วยระบบ Fuzzy Logic โดยใช้ 1 × 1 ตารางกิโลเมตร
dataset ที่. แทนที่จะเป็นการปฏิบัติการตัวแปรการอธิบายทั้งหมดเป็น
เท่ากับรุ่นใหม่เหล่านี้พยายามที่จะลดน้ำหนักเป็นตัวแปรสำคัญที่
แตกต่างกัน ผลการดำเนินงานของบริษัทระบุว่าโดยรวมแล้ว accuracies
ตามมาตรฐานเรียงลำดับจาก 63% เป็น 85% และรุ่น garp ที่มีอำนาจสูงสุด
แบบคาดการณ์เอาไว้แล้ว( Lee et al . 2006 ) พร้อมด้วยการเข้าถึง,การประมาณการ,
คณะพื้นเมือง( araújo และใหม่
2007 )เราพัฒนารุ่นคาดการณ์เอาไว้แล้วที่แข็งแกร่ง
สำหรับนิทาน pitta รุ่นรวมข้าวช่วงแคบลง
ซึ่งจะช่วยแบบคาดการณ์เอาไว้แล้วซึ่งมากกว่ารุ่นกฎข้อที่ใช้ในการศึกษาของเรา
แม้ว่ารูปแบบโดยรวมที่มีความเหมือน