For another error metric, the k-fol

For another error metric, the k-fold CV was also calculated, which only holds out m/k, for k = 10, of the training data each time for testing and trains on the remaining and takes the average of these k errors. As expected, logistic regression has lower error in the 9 and 19 features case, since it is generally asymptotically more e" cient and robust with larger data. We note that the k-fold CV error is higher than the hold-out CV error and it also decreases as the number of features increase. For more features than 20, the Hessian becomes ill-conditioned due to the dependency of the features and so that error is not reported.

ผลลัพธ์ (ไทย) 1:

สำหรับการวัดผิดพลาดอื่น CV k-พับยังคำนวณ ที่เก็บเฉพาะ ออก m/k สำหรับ k = 10 ข้อมูลการฝึกอบรมแต่ละครั้งสำหรับการทดสอบรถไฟบนเหลือ และใช้ค่าเฉลี่ยของข้อผิดพลาดเหล่านี้ k ถดถอยโลจิสติก คาดมีข้อผิดพลาดต่ำกว่าเลข 9 และกรณีคุณลักษณะ 19 ตั้งแต่มันเป็นโดยทั่วไปอี asymptotically มากกว่า" cient และแข็งแกร่ง ด้วยข้อมูลขนาดใหญ่ เรา ทราบว่า พลาดพับ k CV คือสูงกว่า CV ค้างออกข้อผิดพลาดจะลดลงเป็นจำนวนคุณลักษณะเพิ่ม สำหรับคุณลักษณะมากกว่า 20 กระสอบที่จะปรับอากาศป่วยเนื่องจากการขึ้นต่อกันของลักษณะการทำงาน และเพื่อ ไม่ได้รายงานข้อผิดพลาดที่

ผลลัพธ์ (ไทย) 2:

สำหรับข้อผิดพลาดตัวชี้วัดอื่น CV k เท่านอกจากนี้ยังได้รับการคำนวณซึ่งถือออกเมตร / k สำหรับ k = 10, ข้อมูลการฝึกอบรมในแต่ละครั้งสำหรับการทดสอบและบนรถไฟที่เหลืออยู่และจะใช้เวลาเฉลี่ยของการผิดพลาดเหล่านี้เค เป็นที่คาดหวังการถดถอยโลจิสติกมีข้อผิดพลาดที่ลดลงในช่วง 9 และ 19 คุณสมบัติกรณีเนื่องจากมันเป็นเรื่องปกติ asymptotically เพิ่มเติม E "เพียงพอและมีประสิทธิภาพกับข้อมูลขนาดใหญ่. เราทราบว่า k เท่าข้อผิดพลาด CV สูงกว่าถือออกข้อผิดพลาด CV และ ก็ยังลดลงตามจำนวนของคุณสมบัติที่เพิ่มขึ้น. สำหรับคุณสมบัติอื่น ๆ อีกกว่า 20 รัฐจะกลายเป็นป่วยปรับอากาศเนื่องจากการพึ่งพาของคุณสมบัติและข้อผิดพลาดที่ไม่ได้รับรายงาน

ผลลัพธ์ (ไทย) 3:

อีกข้อผิดพลาดเมตริก , k-fold CV ก็คำนวณ ซึ่งถือว่า M / K , K = 10 , ข้อมูลการฝึกอบรมในแต่ละครั้ง เพื่อทดสอบ และรถไฟบนเหลือ และใช้เวลาเฉลี่ยของข้อผิดพลาดของเหล่านี้ ตามที่คาดไว้ , Logistic Regression มีข้อผิดพลาดลดลงใน 9 และ 19 ลักษณะคดี เนื่องจากมันเป็นโดยทั่วไป asymptotically เพิ่มเติม E " cient และมีประสิทธิภาพกับข้อมูลที่มีขนาดใหญ่เราทราบว่า k-fold CV ข้อผิดพลาดสูงกว่าถือออก CV ข้อผิดพลาดและยังลดลงเป็นจำนวนคุณสมบัติที่เพิ่มขึ้น สำหรับคุณสมบัติมากขึ้นกว่า 20 , Hessian จะป่วยเป็นเนื่องจากการคุณสมบัติและเพื่อให้ข้อผิดพลาดที่ไม่ได้รายงาน