So now, let’s give this predictor a

So now, let’s give this predictor all the salaries from our training set, and take the differences between the resulting predicted satisfaction ratings and the actual satisfaction ratings of the corresponding employees. If we perform a little mathematical wizardry (which I will describe shortly), we can calculate, with very high certainty, that values of 13.12 for and 0.61 for 1 are 2 going to give us a better predictor

ผลลัพธ์ (ไทย) 1:

ตอนนี้ ลองให้ผู้ทายผลนี้เงินเดือนทั้งหมดจากชุดฝึกอบรมของเรา และมีความแตกต่างระหว่างอันดับความพึงพอใจที่คาดการณ์ผลการจัดอันดับความพึงพอใจที่แท้จริงของพนักงานที่สอดคล้องกัน ถ้าเราทำ wizardry คณิตศาสตร์น้อย (ซึ่งผมจะอธิบายในไม่ช้า), เราสามารถคำนวณ มีความเชื่อมั่นสูงมาก ค่า 13.12 สำหรับและ 0.61 1 2 ไปให้ผู้ทายผลที่ดีกว่า

ผลลัพธ์ (ไทย) 2:

ดังนั้นตอนนี้ขอให้ทำนายนี้เงินเดือนทั้งหมดจากชุดฝึกอบรมของเราและใช้ความแตกต่างระหว่างผลที่คาดการณ์คะแนนความพึงพอใจและความพึงพอใจที่เกิดขึ้นจริงการจัดอันดับของพนักงานที่สอดคล้องกัน ถ้าเราดำเนินการเล่นกลทางคณิตศาสตร์เล็ก ๆ น้อย ๆ (ซึ่งผมจะอธิบายไม่นาน) เราสามารถคำนวณด้วยความมั่นใจสูงมากว่าค่า 13.12 และ 0.61 1 2 กำลังจะให้เราทำนายที่ดีกว่า

ผลลัพธ์ (ไทย) 3:

ตอนนี้ ให้ทำนายทั้งหมดนี้ เงินเดือน จากชุดฝึกอบรมของเรา และใช้ความแตกต่างระหว่างผลทำนายคะแนนความพึงพอใจและความพึงพอใจของพนักงานบริษัทที่แท้จริงที่สอดคล้องกัน ถ้าเราแสดงเล็ก ๆน้อย ๆทางคณิตศาสตร์เวทมนตร์ ( ซึ่งผมจะอธิบายแล้ว ) เราสามารถคำนวณ มีความแน่นอนสูงมาก ค่าของ 13.12 และ 061 1 2 จะให้เราทำนายดีกว่า