The striking thing about Table 1 is

The striking thing about Table 1 is the large values
of the percentages of classification accuracy gained
by simple linear discriminant analysis. The lowest
percentage is 85% and in most cases over 90% of
the achievable improvement in predictive accuracy,
over the simple baseline model, is achieved by the
simple linear classifier.
I am grateful to Willi Sauerbrei for pointing out
that when the error rates of both the best method
and the linear method are small, the large proportion
in achievable accuracy which can be obtained
by the linear method corresponds to the error rate
of the linear method being a large multiple of that
of the best method. For example, in the most extreme
case in Table 1, the results for the segmentation
data show that the linear discrimination error
rate is nearly six times that of the best method. On
the other hand, when the error rates are small, this
large difference will correspond to only a small proportion
of new data points. Small differences in error
rate are susceptible to the issues raised in Sections 3
and 4: they may vanish when problem uncertainties
are taken into account.

ผลลัพธ์ (ไทย) 1:

สิ่งโดดเด่นเกี่ยวกับตารางที่ 1 คือ ค่าขนาดใหญ่เปอร์เซ็นต์ของความถูกต้องของประเภทที่ได้รับโดยการวิเคราะห์ discriminant เชิงเส้นอย่างง่าย ต่ำสุดเปอร์เซ็นต์คือ 85% และในที่สุดกรณีกว่า 90% ของปรับปรุงทำได้ในความถูกต้องของงานกว่าแบบพื้นฐานอย่างง่าย สามารถทำได้โดยการclassifier เชิงเส้นอย่างง่ายข้าพเจ้าขอบคุณ Willi Sauerbrei สำหรับชี้ออกซึ่งเมื่ออัตราข้อผิดพลาดของทั้งสองวิธีดีที่สุดและวิธีการเชิงเส้นมีขนาดเล็ก สัดส่วนขนาดใหญ่ในความถูกต้องทำได้ ที่สามารถรับโดยวิธีเส้นตรงอัตราข้อผิดพลาดของวิธีการเชิงเส้นมีหลายขนาดใหญ่ที่วิธีดีที่สุด ตัวอย่าง ในมากที่สุดในตารางที่ 1 ผลลัพธ์ในการแบ่งกลุ่มข้อมูลแสดงข้อผิดพลาดการแบ่งแยกเชิงเส้นที่อัตราได้เกือบหกครั้งที่วิธีการดีที่สุด บนอีกมือ เมื่อเล็ก ราคาข้อผิดพลาดนี้ความแตกต่างใหญ่จะสอดคล้องกับสัดส่วนขนาดเล็กเท่านั้นของจุดข้อมูลใหม่ ความแตกต่างเล็ก ๆ ในข้อผิดพลาดอัตราไวต่อการอ่านใน 3 ส่วนและ 4: พวกเขาอาจสูญเมื่อปัญหาความไม่แน่นอนจะนำมาพิจารณา

ผลลัพธ์ (ไทย) 2:

สิ่งที่โดดเด่นเกี่ยวกับตารางที่ 1 เป็นค่าที่มีขนาดใหญ่ร้อยละของความถูกต้องได้รับการจัดหมวดหมู่โดยการวิเคราะห์จำแนกเชิงเส้นที่เรียบง่าย ต่ำสุดร้อยละ 85% และในกรณีส่วนใหญ่กว่า 90% ของการปรับปรุงที่ประสบความสำเร็จในความถูกต้องทำนายมากกว่ารูปแบบพื้นฐานที่เรียบง่ายคือความสำเร็จโดยจําแนกเชิงเส้นอย่างง่าย. ฉันรู้สึกขอบคุณไปยังทึก Sauerbrei สำหรับการชี้ให้เห็นว่าเมื่ออัตราความผิดพลาดของทั้งสองวิธีที่ดีที่สุดและวิธีการเชิงเส้นที่มีขนาดเล็กที่ส่วนใหญ่ในความถูกต้องทำได้ซึ่งสามารถรับได้โดยวิธีการเชิงเส้นสอดคล้องกับอัตราความผิดพลาดของวิธีการเชิงเส้นเป็นหลายขนาดใหญ่ที่ของวิธีที่ดีที่สุด ยกตัวอย่างเช่นในที่มากที่สุดในกรณีที่ตารางที่ 1 ผลสำหรับการแบ่งส่วนข้อมูลที่แสดงให้เห็นว่าการเลือกปฏิบัติข้อผิดพลาดเชิงเส้นอัตราเกือบหกเท่าของวิธีที่ดีที่สุด บนมืออื่น ๆ ที่เมื่ออัตราความผิดพลาดที่มีขนาดเล็กนี้แตกต่างกันมากจะสอดคล้องกับเพียงส่วนเล็กๆของจุดข้อมูลใหม่ ความแตกต่างเล็ก ๆ ในข้อผิดพลาดอัตราการมีความอ่อนไหวต่อปัญหาที่เกิดขึ้นในส่วนที่3 และ 4: พวกเขาอาจจะหายไปเมื่อความไม่แน่นอนปัญหาจะนำมาพิจารณา

ผลลัพธ์ (ไทย) 3:

สิ่งที่โดดเด่นเกี่ยวกับ ตารางที่ 1 เป็นขนาดใหญ่ของเปอร์เซ็นต์ของค่า

โดยได้รับความแม่นยำในการจำแนกเชิงเส้นอย่างง่ายจำแนกการวิเคราะห์ ค่าต่ำสุด
เป็น 85% และในกรณีส่วนใหญ่กว่า 90 %
การปรับปรุงทำในความถูกต้องทำนาย
กว่ารูปแบบพื้นฐาน , ง่าย , ทำได้โดยง่าย

เส้นลักษณนาม ฉันขอบคุณสำหรับชี้
sauerbrei วิลลี่เมื่ออัตราความคลาดเคลื่อนของวิธีที่ดีที่สุดและวิธีการเชิงเส้นเล็ก
,
สัดส่วนขนาดใหญ่ในความถูกต้องได้ซึ่งสามารถรับได้
โดยวิธีเส้นตรงสอดคล้องกับอัตราความผิดพลาด
ของเส้นวิธีเป็นขนาดใหญ่หลายที่
ของวิธีที่ดีที่สุด ตัวอย่างเช่น ในกรณีสุดโต่ง
ที่สุดตารางที่ 1 ผลสำหรับการแบ่งส่วน
ข้อมูลแสดงให้เห็นว่าอัตราการผิดพลาด
เชิงเส้นเกือบหกเท่าของวิธีที่ดีที่สุด บน
มืออื่น ๆที่เมื่ออัตราความคลาดเคลื่อนเล็กน้อย ความแตกต่างที่มีขนาดใหญ่นี้จะเพิ่มขึ้นเพียงเล็กน้อย

สัดส่วนของคะแนนข้อมูลใหม่ ความแตกต่างเล็ก ๆในอัตราความผิดพลาด
มีความอ่อนไหวต่อปัญหาที่เกิดขึ้นในส่วนที่ 3
4 : พวกเขาอาจหายไป เมื่อปัญหาความไม่แน่นอน
จะเข้าบัญชี