Meta-learning is sub-field of machi

Meta-learning is sub-field of machine learning [1, 2, 3]. The
main idea is learning system receives input from meta-data
from machine learning experiments and obtains knowledge
that is used to predict suitable classifier. In general two phases
of meta-learning are present; that is meta-features are
extracted from the given datasets and it is used as model
building, known as the knowledge acquisition mode or model
generation step [1,4,5] and further this knowledge is applied
on the meta-feature of the new dataset are known as Advisory
mode or testing generated model[1,4,5]. Acquired knowledge
also trains meta-learning model. Different papers give the
different names for it. For non-expert user meta-learning
system can reduces the effort and the development time by
choosing appropriate algorithm. [6,7] Different features are
presented in meta-learning. These features are divided into
several categories [1,11],

ผลลัพธ์ (ไทย) 1:

Meta-เรียนเป็นฟิลด์ย่อยของเครื่องจักรการเรียนรู้ [1, 2, 3] ที่เรียนหลักระบบรับอินพุตจาก meta-ข้อมูลเครื่องเรียนรู้ทดลอง และได้รับความรู้ที่ใช้การทำนาย classifier เหมาะ โดยทั่วไประยะที่สองของ meta-เรียนอยู่ปัจจุบัน ที่เป็นคุณลักษณะของ metaสกัดจาก datasets กำหนด และใช้เป็นแบบจำลองอาคาร เรียกว่าโหมดซื้อความรู้หรือแบบจำลอง[1,4,5] ขั้นตอนการสร้างและเพิ่มเติมความรู้นี้มีใช้meta-คุณลักษณะของชุดข้อมูลใหม่รู้จักกันเป็นที่ปรึกษาโหมดหรือทดสอบสร้างแบบจำลอง [1,4,5] ความรู้ที่ได้รับนอกจากนี้ รถไฟรุ่น meta-เรียน เอกสารต่าง ๆ ให้การชื่อที่แตกต่างกันไป สำหรับผู้เชี่ยวชาญไม่ใช่ผู้เรียน meta-ระบบสามารถช่วยลดความพยายามและเวลาพัฒนาโดยเลือกอัลกอริทึมที่เหมาะสม มีคุณลักษณะที่แตกต่าง [6,7]นำเสนอใน meta-เรียน คุณลักษณะเหล่านี้จะแบ่งออกเป็นหลายประเภท [1,11],

ผลลัพธ์ (ไทย) 2:

Meta-การเรียนรู้ย่อยด้านการเรียนรู้เครื่อง [1, 2, 3]
ความคิดหลักคือระบบการเรียนรู้ที่ได้รับข้อมูลจากข้อมูล meta จากการทดลองการเรียนรู้เครื่องและได้รับความรู้ที่ใช้ในการคาดการณ์ลักษณนามที่เหมาะสม โดยทั่วไปสองขั้นตอนของเมตาเลิร์นนิงที่มีอยู่; ที่มีคุณสมบัติ meta-จะถูกดึงออกมาจากชุดข้อมูลที่กำหนดและใช้เป็นรูปแบบอาคารที่เรียกว่าโหมดซื้อความรู้หรือรูปแบบขั้นตอนรุ่น[1,4,5] และส่งเสริมความรู้นี้ถูกนำไปใช้ในmeta-คุณลักษณะของใหม่ ชุดข้อมูลที่เป็นที่รู้จักกันเป็นที่ปรึกษาหรือโหมดการทดสอบรูปแบบการสร้าง[1,4,5] ความรู้ที่ได้มานอกจากนี้ยังมีรูปแบบการรถไฟเมตาเลิร์นนิง เอกสารที่แตกต่างกันให้ชื่อแตกต่างกันสำหรับมัน สำหรับการเรียนรู้เมตาผู้ใช้ที่ไม่ใช่ผู้เชี่ยวชาญระบบสามารถช่วยลดความพยายามและเวลาในการพัฒนาโดยการเลือกขั้นตอนวิธีการที่เหมาะสม [6,7] คุณสมบัติแตกต่างกันจะนำเสนอในเมตาเลิร์นนิง คุณสมบัติเหล่านี้จะแบ่งออกเป็นหลายประเภท [1,11]

ผลลัพธ์ (ไทย) 3:

สาขาย่อยของ Meta การเรียนรู้คือการเรียนรู้เครื่อง [ 1 , 2 , 3 ]
ความคิดหลักคือระบบการเรียนรู้ที่ได้รับข้อมูลจากข้อมูล meta
จากการเรียนรู้เครื่องการทดลองและได้รับความรู้
ที่ทำนายเหมาะลักษณนาม โดยทั่วไปสองขั้นตอน
ของเมตาเรียนปัจจุบัน ที่ Meta คุณลักษณะ
สกัดจากได้รับข้อมูลและจะใช้เป็นแบบจำลอง
อาคารที่รู้จักกันเป็นโหมดหรือรูปแบบขั้นตอนการแสวงหาความรู้
[ รุ่น 1,4,5 ] และเพิ่มเติมความรู้นี้มาใช้
ใน Meta คุณลักษณะของข้อมูลใหม่ที่รู้จักกันเป็นโหมดที่ปรึกษา
หรือทดสอบสร้างแบบ [ 1,4,5 ] ได้รับความรู้
ยังรถไฟเมต้าโมเดลการเรียนรู้ เอกสารต่าง ๆให้ชื่อ
แตกต่างกันสำหรับมัน ไม่ใช่ผู้เชี่ยวชาญการเรียนรู้
เมตาระบบสามารถลดความพยายามและเวลาในการพัฒนาโดย
เลือกวิธีที่เหมาะสม [ 6 , 7 ] ที่แตกต่างกันคุณสมบัติ
นำเสนอในเมตา การเรียนรู้ คุณสมบัติเหล่านี้สามารถแบ่งออกเป็นหลายประเภท [
1 , 11 ]