Thisnew meta training set is then u

This
new meta training set is then used to train the meta classifier which learns to
predict the final class. So for the additional cost of running an appropriate meta
classifier it is possible to utilize all the output generated by a crossvalidation.
Furthermore, the dimensionality of the meta dataset is equal to the number of
classes multiplied by the number of base classifiers3 and thus fairly independent
of the dimensionality of the original dataset. The additional training cost for
the meta classifier is usually much smaller than the training costs for the base
classifiers, especially for large, high-dimensional datasets

ผลลัพธ์ (ไทย) 1:

นี้แล้วใช้ meta ใหม่ฝึกอบรมชุดฝึก classifier meta ที่เรียนรู้ไปทำนายระดับสุดท้าย ดังนั้นสำหรับค่าใช้จ่ายเพิ่มเติมของ meta ที่เหมาะสมในการทำงานจำเป็นต้องใช้ผลผลิตที่สร้างขึ้น โดยการ crossvalidation classifierนอกจากนี้ dimensionality ของชุดข้อมูล meta จะเท่ากับจำนวนเรียนจึงค่อนข้างอิสระ และคูณ ด้วยจำนวน classifiers3 ฐานของ dimensionality ของชุดข้อมูลเดิม ต้นทุนการฝึกอบรมเพิ่มเติมสำหรับmeta classifier เป็นปกติขนาดเล็กกว่าต้นทุนฝึกอบรมสำหรับฐานคำนามภาษา โดยเฉพาะอย่างยิ่งสำหรับ datasets ขนาดใหญ่ มิติสูง

ผลลัพธ์ (ไทย) 2:

นี้ชุดการฝึกอบรมเมตาใหม่จะถูกนำมาใช้ในการฝึกอบรมจําแนก meta ที่เรียนรู้ที่จะทำนายชั้นสุดท้าย ดังนั้นสำหรับค่าใช้จ่ายที่เพิ่มขึ้นของใช้เมตาดาต้าที่เหมาะสมลักษณนามมันเป็นไปได้ที่จะใช้ทั้งหมดเอาท์พุทที่สร้างขึ้นโดย crossvalidation ได้. นอกจากมิติของชุดข้อมูลเมตาจะเท่ากับจำนวนของชั้นเรียนคูณด้วยจำนวน classifiers3 ฐานและทำให้เป็นอิสระอย่างเป็นธรรม ของมิติของชุดเดิม ค่าใช้จ่ายในการฝึกอบรมเพิ่มเติมสำหรับการจําแนกเมตามักจะมีขนาดเล็กกว่าค่าใช้จ่ายในการฝึกอบรมสำหรับฐานแยกประเภทโดยเฉพาะอย่างยิ่งสำหรับขนาดใหญ่ชุดข้อมูลสูงมิติ

ผลลัพธ์ (ไทย) 3:

ชุดฝึกอบรมนี้
เมตาใหม่ใช้แล้วรถไฟแบบ meta ซึ่งเรียนรู้
ทำนายระดับสุดท้าย สำหรับค่าใช้จ่ายเพิ่มเติมจากการทํางานที่เหมาะสม meta
ลักษณนามก็เป็นไปได้ที่จะใช้ทั้งหมดออกที่สร้างขึ้นโดย crossvalidation .
นอกจากนี้ dimensionality ของข้อมูล meta จะเท่ากับจำนวน
เรียนคูณด้วยจำนวน classifiers3 ฐานและดังนั้นจึงค่อนข้างอิสระ
ของ dimensionality ของข้อมูลเดิม ค่าใช้จ่ายในการฝึกอบรมเพิ่มเติมสำหรับ
Meta ลักษณนามคือมักจะน้อยกว่าค่าใช้จ่ายในการฝึกอบรมสำหรับฐาน
คำโดยเฉพาะอย่างยิ่งสำหรับข้อมูล - สูงขนาดใหญ่