We propose an exact method, based o

We propose an exact method, based on Generalized Benders Decomposition, to select the best M features
during induction. We provide details of the method and highlight some interesting parallels between the
technique proposed here and some of those published in the literature. We also propose a relaxation of the
problem where selecting too many features is penalized. The original method performs well on a variety of
data sets. The relaxation, though competitive, is sensitive to the penalty parameter.

ผลลัพธ์ (ไทย) 1:

เราเสนอวิธีแน่นอน ตามการตั้งค่าทั่วไป Benders แยกส่วนประกอบ การเลือกคุณลักษณะ M ดีในระหว่างการเหนี่ยวนำ เรามีรายละเอียดของวิธี และเน้นบางน่าสนใจอ่านพระเทคนิคการนำเสนอที่นี่ และบางส่วนของผู้เผยแพร่ในวรรณคดี นอกจากนี้เรายังเสนอการผ่อนคลายของการปัญหาที่เลือกลักษณะการทำงานมากเกินไปได้สำเร็จ วิธีการดั้งเดิมทำกันบนความหลากหลายของชุดข้อมูล พักผ่อน ว่าแข่งขัน มีความไวต่อการปรับพารามิเตอร์

ผลลัพธ์ (ไทย) 2:

เราเสนอวิธีการที่แน่นอนขึ้นอยู่กับทั่วไป Benders สลายตัวเพื่อเลือกคุณสมบัติ M ที่ดีที่สุด
ในระหว่างการเหนี่ยวนำ เราให้รายละเอียดของวิธีการและเน้นบางส่วนที่น่าสนใจระหว่างแนว
เทคนิคที่นำเสนอที่นี่และบางส่วนของผู้ที่ตีพิมพ์ในวรรณคดี นอกจากนี้เรายังนำเสนอการผ่อนคลายของ
ปัญหาที่การเลือกคุณสมบัติมากเกินไปจะถูกลงโทษ วิธีการเดิมทำงานได้ดีบนความหลากหลายของ
ชุดข้อมูล ผ่อนคลาย แต่การแข่งขันมีความไวต่อพารามิเตอร์โทษ

ผลลัพธ์ (ไทย) 3:

เราขอเสนอวิธีที่แน่นอน ขึ้นอยู่กับตัวดัดการเลือกคุณสมบัติที่ดีที่สุด M
ช่วง induction เราให้รายละเอียดของวิธีการที่น่าสนใจบางอย่างที่คล้ายคลึงกันระหว่าง
เทคนิคเสนอที่นี่ และบางส่วนของผู้เผยแพร่ในวรรณคดี นอกจากนี้เรายังนำเสนอการพักผ่อนของ
ปัญหาที่เลือกมากมายคุณลักษณะถูก penalizedวิธีเดิมแสดงได้ดีในความหลากหลายของ
ชุดข้อมูล การพักผ่อน แม้การแข่งขันจะแพ้จุดโทษ พารามิเตอร์