Consequently, unlike [4], instead o

Consequently, unlike [4], instead of simply feeding
the input data into a single model, they were first into
K clusters, using K-mean clustering [32], with K set
to 2. Each cluster would be used as training dataset
of separate ANN. Prior to predicting the unseen data;
they would be classified first into one of these clusters,
based on their averaged factors similarity and then
assigned to the respective ANN. With this modification,
it was ensured that a proper model was chosen
to predict the data with similar characteristics. The
results are illustrated in Fig 15. If unseen prediction
was made by the model trained using data with
similar characteristics, the accuracy are 69.53, 75.85
and 69.89 percents, in 2011, 2010 and 2006 respectively.
Unless proper classification and hence model
was assigned, the results was no better than flipping
a coin.

ผลลัพธ์ (ไทย) 1:

ดังนั้น ซึ่งแตกต่างจาก [4], แทนที่จะเพียงแค่ให้อาหารข้อมูลที่ป้อนเข้าเป็นโมเดลเดียว พวกแรกเป็นคลัสเตอร์ K ใช้หมายความว่า K คลัสเตอร์ [32], มีการตั้งค่า K2 แต่ละคลัสเตอร์จะใช้เป็นชุดข้อมูลการฝึกอบรมของ ANN. แยกต่างหากก่อนที่จะคาดการณ์ข้อมูล unseenพวกเขาจะแบ่งเป็นครั้งแรกหนึ่งคลัสเตอร์เหล่านี้ตามความคล้ายคลึงกันของปัจจัยเฉลี่ยแล้วกับแอนตามลำดับ มีการปรับแต่งนี้มันไม่มั่นใจว่า ได้เลือกแบบที่เหมาะสมการทำนายข้อมูล มีลักษณะคล้าย ที่ผลลัพธ์จะแสดงในฟิก 15 ถ้าคาดเดา unseenโดยใช้แบบฝึกโดยใช้ข้อมูลที่มีมีความถูกต้องของลักษณะคล้าย 69.53, 75.85และ เปอร์เซ็นต์ 69.89 ใน 2010, 2011 และปี 2006 ตามลำดับเว้นแต่ประเภทที่เหมาะสม และรูปแบบดังนั้นถูกกำหนด ผลลัพธ์ได้ไม่ดีกว่าพลิกเหรียญ

ผลลัพธ์ (ไทย) 2:

ดังนั้นไม่เหมือน [4]
แทนที่จะให้อาหารป้อนข้อมูลในรูปแบบเดียวที่พวกเขาเป็นครั้งแรกในกลุ่ม
K โดยใช้การจัดกลุ่ม K-เฉลี่ย [32] กับ K
ตั้งเป็น2
กลุ่มแต่ละคนจะนำมาใช้เป็นชุดการฝึกอบรมของแยกต่างหาก ANN ก่อนที่จะมีการคาดการณ์ข้อมูลที่มองไม่เห็นนั้นพวกเขาจะได้รับการจัดครั้งแรกเป็นหนึ่งในกลุ่มเหล่านี้ขึ้นอยู่กับปัจจัยที่มีค่าเฉลี่ยความคล้ายคลึงกันของพวกเขาแล้วได้รับมอบหมายให้ANN ที่เกี่ยวข้อง ด้วยการปรับเปลี่ยนนี้มันก็ทำให้มั่นใจได้ว่ารูปแบบที่เหมาะสมได้รับเลือกที่จะคาดการณ์ข้อมูลที่มีลักษณะคล้ายกัน ผลจะแสดงในรูปที่ 15 หากการคาดการณ์ที่มองไม่เห็นได้โดยรูปแบบการฝึกอบรมโดยใช้ข้อมูลที่มีลักษณะคล้ายกันที่มีความถูกต้อง69.53, 75.85 และ 69.89 เปอร์เซ็นต์ในปี 2011 ปี 2010 และ 2006 ตามลำดับ. ยกเว้นกรณีที่การจัดหมวดหมู่ที่เหมาะสมและด้วยเหตุนี้รูปแบบที่ได้รับมอบหมาย, ผลที่ได้ก็ไม่ดีกว่าพลิกเหรียญ

ผลลัพธ์ (ไทย) 3:

จึงแตกต่างจาก [ 4 ] แทนที่จะให้อาหาร
ข้อมูลใส่ลงในรูปแบบเดียว พวกแรกเป็น
k กลุ่ม ใช้ k-mean การจัดกลุ่ม [ 32 ] , k
2 ชุด . แต่ละกลุ่มจะถูกใช้เป็นข้อมูลในการแยก
Ann ก่อนที่จะทำนายข้อมูลที่มองไม่เห็น ;
พวกเขาจะถูกจัดเป็นหนึ่งในกลุ่มแรกนี้
ตามเฉลี่ยปัจจัยความเหมือนแล้ว
มอบหมายให้แต่ละอัน กับการเปลี่ยนแปลงนี้
มันมั่นใจว่ารูปแบบที่เหมาะสมได้รับเลือก
ทำนายข้อมูลที่มีลักษณะคล้ายกัน
ผลจะแสดงในรูปที่ 15 . ถ้าเห็นคำทำนาย
ทำโดยแบบฝึกการใช้ข้อมูลกับ
ลักษณะคล้ายกัน ความถูกต้องเป็น 69.53 ทั้งหมด
69.89 , และร้อยละใน 2011 , 2010 และ
2006 ตามลำดับนอกจากหมวดหมู่ที่เหมาะสมและด้วยเหตุนี้รูปแบบ
ได้รับมอบหมาย ผลคือไม่ดีกว่าพลิก
เหรียญ