Here we apply the boosting algorith

Here we apply the boosting algorithm AdaBoost to generate
different tree [13]. It works by repeatedly running
a given weak learning algorithm (e.g., a simple decision
tree) on various distributions over the training data, and then
combining the classifiers produced by the weaker learner
into a single composite classifier. It should be noted that
any algorithm can not guarantee to find all good different
trees.

ผลลัพธ์ (ไทย) 1:

ที่นี่เราใช้ขั้นตอนวิธีเพิ่ม AdaBoost เพื่อสร้างต่าง ๆ แผนภูมิ [13] ทำงาน โดยการเรียกใช้ซ้ำเรียนอ่อนให้อัลกอริทึม (เช่น ตัวอย่างการตัดสินใจแผนภูมิ) ในการกระจายต่าง ๆ ผ่านข้อมูลการฝึกอบรม และรวมคำนามภาษาที่ผลิต โดยผู้เรียนที่แข็งแกร่งเป็น classifier รวมตัวเดียว ควรสังเกตที่อัลกอริทึมใด ๆ ไม่สามารถรับประกันว่า หาดีแตกต่างกันต้นไม้

ผลลัพธ์ (ไทย) 2:

ที่นี่เราใช้อัลกอริทึม AdaBoost
การส่งเสริมการสร้างต้นไม้ที่แตกต่างกัน[13] มันทำงานโดยการทำงานซ้ำขั้นตอนวิธีการเรียนรู้ที่อ่อนแอที่กำหนด(เช่นการตัดสินใจที่ง่ายต้นไม้) ในการกระจายข้อมูลต่าง ๆ ในช่วงการฝึกอบรมแล้วการรวมตัวจําแนกที่ผลิตโดยผู้เรียนปรับตัวลดลงเป็นจําแนกคอมโพสิตเดียว มันควรจะตั้งข้อสังเกตว่าขั้นตอนวิธีการใด ๆ ที่ไม่สามารถรับประกันได้ว่าจะหาที่ดีแตกต่างกันทั้งหมดต้นไม้

ผลลัพธ์ (ไทย) 3:

ที่นี่เราใช้พื่น adaboost ขั้นตอนวิธีการสร้าง
แตกต่างกันต้นไม้ [ 13 ] มันทำงานโดยการใช้ซ้ำ
ให้อ่อนแออัลกอริทึมการเรียนรู้ ( เช่น ต้นไม้ การตัดสินใจ
ง่าย ) ในการแจกแจงข้อมูลต่าง ๆผ่านการฝึกอบรมแล้ว
รวมคำที่ผลิตโดยแข็งแกร่งผู้เรียน
เป็นเดียวคอมโพสิตลักษณนาม มันควรจะสังเกตว่า
ใด ๆ นี้สามารถรับประกันที่จะหาต้นไม้ที่แตกต่างกัน
ที่ดีทั้งหมด