. Since unsupervised classifiers ne

. Since unsupervised classifiers need a great amount of work to refine results during the post-classification comparison period, several supervised classification and machine learning methods have been used, such as Maximum Likelihood Classifier (MLC) (Otuker et al., 2010), Support Vector Machine (SVM) (Schneider, 2012), and Artificial Neural Network (ANN) (Erbek et al., 2004)

ผลลัพธ์ (ไทย) 1:

. เนื่องจากขั่วคำหลักภาษาเป็นจำนวนมากของการปรับปรุงผลลัพธ์ในช่วงเวลาหลังการจัดประเภทการเปรียบเทียบ หลายประเภทภายใต้การดูแลและเครื่องเรียนรู้วิธีการใช้ เช่นสูงสุดโอกาสลักษณนาม (MLC) (Otuker et al. 2010), เครื่องสนับสนุนเวกเตอร์ (SVM) (Schneider, 2012), และเทียมของระบบเครือข่าย (แอน) (Erbek et al. 2004)

ผลลัพธ์ (ไทย) 2:

. ตั้งแต่ลักษณนามใกล้ชิดต้องมีจำนวนมากในการทำงานเพื่อปรับแต่งผลการค้นหาในช่วงระยะเวลาการเปรียบเทียบการโพสต์การจัดหมวดหมู่หลายจำแนกและการเรียนรู้ของเครื่องภายใต้การดูแลวิธีการได้ถูกนำมาใช้เช่นลักษณนามโอกาสสูงสุด (แอลซี) (Otuker et al., 2010), เวกเตอร์สนับสนุน เครื่อง (SVM) (Schneider, 2012) และโครงข่ายประสาทเทียม (ANN) (Erbek et al., 2004)

ผลลัพธ์ (ไทย) 3:

. ตั้งแต่ unsupervised ลักษณนามต้องการจำนวนมากทำงานเพื่อปรับแต่งผลลัพธ์ในการดูแลการโพสต์ระยะเวลาหลายหมวดหมู่เครื่องจักรและวิธีการเรียนรู้ มีการใช้ลักษณนาม เช่น ความน่าจะเป็นสูงสุด ( MLC ) ( otuker et al . , 2010 ) , เครื่องเวกเตอร์สนับสนุน ( SVM ) ( ( 2012 ) และโครงข่ายประสาทเทียม ( แอน ) ( erbek et al . , 2004 )