With five multi-label categories an

With five multi-label categories and one “others” category, there are (25 -1) + 1 = 32 possible label sets for a tweet. Tables 2 and 3 provide all the evaluation measures under random guessing. The random guessing program first guessed whether a tweet belongs to “others” based on the proportion this category takes in the training data set. If this tweet did not belong to “others”, it then proceeded to guess whether it fell into the rest of the categories also based the proportion each category takes in the rest categories. We repeated the random guessing program 100 times, and obtained the average measures.

ผลลัพธ์ (ไทย) 1:

ด้วยห้าป้ายหลายประเภทหนึ่ง "" ประเภท มีอยู่ (25 -1) + 1 = 32 ชุดป้ายสามารถ tweet ตารางที่ 2 และ 3 ให้มาตรการประเมินผลภายใต้การคาดเดาสุ่ม โปรแกรม guessing สุ่มครั้งแรกเดาว่า tweet เป็นของ "ผู้อื่น" ตามสัดส่วนประเภทนี้ใช้เวลาในการฝึกอบรมข้อมูลชุด ถ้า tweet นี้ไม่ได้เป็น "คนอื่น" มันแล้วครอบครัวเดาว่ามันตกเป็น ของประเภทยังตามสัดส่วนแต่ละประเภทใช้ในประเภทที่เหลือ เราซ้ำโปรแกรม guessing สุ่ม 100 ครั้ง และได้รับการวัดค่าเฉลี่ย

ผลลัพธ์ (ไทย) 2:

ด้วยห้าประเภทหลายป้ายและเป็นหนึ่งใน "คนอื่น ๆ " หมวดหมู่มี (25? -1) + 1 = 32 ชุดฉลากเป็นไปได้สำหรับทวีต ตารางที่ 2 และ 3 ให้มาตรการการประเมินผลภายใต้การคาดเดาสุ่ม โปรแกรมแรกคาดเดาสุ่มเดาได้ไม่ว่าจะเป็นทวีตเป็น "คนอื่น" ตามสัดส่วนประเภทนี้จะใช้เวลาในการฝึกอบรมข้อมูลการตั้งค่า ถ้าทวีตนี้ไม่ได้เป็น "คนอื่น" ก็แล้วดำเนินการต่อที่จะคาดเดาว่าจะลดลงในส่วนที่เหลือของหมวดหมู่ยังตามสัดส่วนแต่ละประเภทจะใช้เวลาในประเภทส่วนที่เหลือ เราซ้ำแล้วซ้ำอีกโปรแกรมคาดเดาสุ่ม 100 ครั้งและได้รับมาตรการเฉลี่ย