We will experiment with severaldiff

We will experiment with several
different sampling strategies including the natural distribution
(close to 5_95, highly skewed), 20_80 (unbalanced) and 50_50
(the balanced). This means we trained our models using
training set where the target was present at its native
prevalence, as well as training sets where target prevalence was
enriched by a large multiplier to ten times and twenty-five
times its native prevalence or simply balancing the classes.
This hopefully helps us to understand to certain extent how
enrichment will affect performance. In cases of resampling, the
negative samples are uniformly drawn from the other 19
classes in the original database.

ผลลัพธ์ (ไทย) 1:

เราจะทดลองหลายกลยุทธ์อย่างอื่นรวมทั้งการกระจายตามธรรมชาติ(ใกล้ 5_95 สูงเบ้), 20_80 (unbalanced) และ 50_50(สมดุล) หมายความว่า เราฝึกของเรารุ่นที่ใช้ชุดฝึกอบรมซึ่งเป็นที่เจ้าของของเป้าหมายชุก เป็นชุดฝึกที่ชุกเป้าหมายถูกโดยคูณใหญ่ถึงสิบเท่าและยี่สิบห้าเวลาของส่วนท้องถิ่น หรือเพียงแค่ปรับสมดุลในชั้นเรียนหวังว่าจะช่วยให้เราเข้าใจบางกรณีอย่างไรเพิ่มคุณค่าจะส่งผลต่อประสิทธิภาพการทำงาน ในกรณีของการเปลี่ยนความละเอียดของ การลบอย่างสม่ำเสมอมาจาก 19 อื่น ๆเรียนในฐานข้อมูลเดิม

ผลลัพธ์ (ไทย) 2:

เราจะทดสอบกับหลาย
กลยุทธ์การสุ่มตัวอย่างที่แตกต่างกันรวมทั้งกระจายพันธุ์ตามธรรมชาติ
(ใกล้เคียงกับ 5_95 เบ้สูง) 20_80 (ไม่สมดุล) และ 50_50
(สมดุล) ซึ่งหมายความว่าเราได้รับการฝึกฝนแบบจำลองของเราโดยใช้
ชุดฝึกอบรมที่เป้าหมายอยู่ที่พื้นเมือง
ชุกเช่นเดียวกับชุดการฝึกอบรมที่มีความชุกเป้าหมายถูก
อุดมไปด้วยตัวคูณที่มีขนาดใหญ่ถึงสิบครั้งและยี่สิบห้า
ครั้งความชุกของพื้นเมืองหรือเพียงแค่ความสมดุลของชั้นเรียน
นี้หวังว่าจะช่วยให้เราเข้าใจในขอบเขตบางวิธี
การเพิ่มปริมาณจะมีผลต่อประสิทธิภาพการทำงาน ในกรณีของ resampling ที่
ตัวอย่างเชิงลบจะมีการวาดสม่ำเสมอจากที่อื่น ๆ 19
ชั้นเรียนในฐานข้อมูลต้นฉบับ

ผลลัพธ์ (ไทย) 3:

เราจะทดลองกับหลาย ๆตัวอย่างกลยุทธ์ที่แตกต่างกันรวมทั้งธรรมชาติ( ปิดการ 5_95 สูงเบ้ ) 20_80 ( สมดุล ) และ 50_50( สมดุล ) นี้หมายความว่า เราฝึกของเรา แบบใช้ชุดฝึกอบรมที่เป้าหมายอยู่ในพื้นเมืองความชุก , เช่นเดียวกับชุดการฝึกที่ความชุกเป้าหมายอุดมด้วยตัวคูณขนาดใหญ่ถึง 10 ครั้งและยี่สิบห้าครั้งพื้นเมืองของความชุก หรือเพียงแค่สมดุลเรียนหวังว่านี้จะช่วยให้เราเข้าใจถึงระดับหนึ่งแล้ววิธีจะมีผลต่อประสิทธิภาพ ในกรณีของการสุ่มซ้ำ ,ตัวอย่างโดยการสุ่มจากด้านลบเป็นอีก 19ชั้นเรียนในฐานข้อมูลเดิม