Discussion A very important charact

Discussion
A very important characteristic of ChiMerge is ro-
bustness. While it will sometimes do slightly worse
than other algorithms, the user can be fairly confident
that ChiMerge will seldom miss important intervals or
choose an interval boundary when there is obviously
a better choice. In contrast, the equal-width-intervals
and equal-frequency-intervals methods can produce ex-
tremely poor discretizations for certain attributes, as
discussed earlier. Another feature is ease of use; while
discretization quality is affected by parameter settings,
choosing a x2-threshold between the .90 and .99 sig-
nificance level and max-intervals to a moderate value
(e.g., 5 to 15) will generally produce a good discretiza-
tion (some qualifications are discussed later). A major
source of robustness is that unlike the simple methods,
ChiMerge takes the class of the examples into consider-
ation when constructing intervals and adjusts the num-
ber of intervals created according to the characteristics
of the data. In addition, ChiMerge is applicable to
multi-class learning (i.e., domains with more than two

ผลลัพธ์ (ไทย) 1:

การอภิปราย
ลักษณะที่สำคัญมากของ chimerge เป็น ro-
bustness ในขณะที่บางครั้งจะทำเลวร้ายยิ่งกว่าเล็กน้อย
ขั้นตอนวิธีการอื่น ๆ ผู้ใช้สามารถมั่นใจได้อย่างเป็นธรรม
chimerge ที่ไม่ค่อยจะพลาดช่วงเวลาที่สำคัญหรือ
เลือกขอบเขตช่วงเวลาเมื่อมีการเห็นได้ชัด
เลือกที่ดีกว่า ในทางตรงกันข้ามเท่ากับความกว้างช่วง
และวิธีการเท่ากันความถี่ช่วงเวลาสามารถผลิตอดีต
discretizations ยากจน tremely สำหรับแอตทริบิวต์บางอย่างเป็น
กล่าวก่อนหน้านี้ คุณสมบัติอีกประการหนึ่งคือความสะดวกในการใช้งานในขณะที่ไม่ต่อเนื่องที่มีคุณภาพ
รับผลกระทบจากการตั้งค่าพารามิเตอร์
เลือก x2 เกณฑ์ระหว่างลายเซ็น
ระดับ .90 และ .99 nificance และสูงสุดช่วงเวลาเป็นค่าปานกลาง
(เช่น 5-15 ) โดยทั่วไปจะผลิตที่ดี discretiza-
tion (คุณสมบัติบางอย่างจะกล่าวถึงในภายหลัง) ที่สำคัญ
แหล่งที่มาของความเข้มแข็งที่แตกต่างจากวิธีการที่ง่าย
chimerge ใช้เวลาการเรียนของตัวอย่างในการพิจารณา ation-
เมื่อสร้างช่วงเวลาและปรับเบอร์จาน
ของช่วงเวลาที่สร้างขึ้นตามลักษณะของข้อมูล
นอกจากนี้ chimerge ใช้ได้กับ
หลายชั้นการเรียนรู้ (เช่นโดเมนที่มีมากกว่าสอง

ผลลัพธ์ (ไทย) 2:

สนทนา
ลักษณะสำคัญของ ChiMerge คือ ro -
bustness ขณะจะทำอะไรบางครั้งแย่เล็กน้อย
กว่าอัลกอริทึมอื่น ผู้ใช้สามารถมั่นใจ
ว่า ChiMerge ไม่ใคร่จะพลาดช่วงสำคัญ หรือ
เลือกขอบเขตของช่วงเวลาเมื่อมีแน่นอน
เป็นทางเลือกที่ดีกว่า ในทางตรงข้าม เท่ากับความกว้างช่วง
และช่วงเวลาความถี่เท่ากับวิธีสามารถผลิตเก่า
discretizations ดี tremely สำหรับบางแอตทริบิวต์ เป็น
กล่าวก่อนหน้านี้ คุณสมบัติก็คือ ความง่ายในการใช้งาน ในขณะที่
discretization คุณภาพที่ได้รับผลกระทบจากการตั้งค่าพารามิเตอร์,
เลือกขีดจำกัด x 2 ระหว่าง.90 และ.99 sig -
nificance ระดับและช่วงเวลาสูงสุดเป็นค่าปานกลาง
(เช่น 5 ถึง 15) จะโดยทั่วไปผลิตเป็นดี discretiza -
สเตรชัน (คุณสมบัติบางอย่างจะกล่าวในภายหลัง) หลักการ
แหล่งที่มาของเสถียรภาพเป็นที่แตกต่างจากวิธีการง่าย,
ChiMerge คลาสของตัวอย่างที่จะเข้าพิจารณา-
ation เมื่อสร้างช่วง และปรับ num -
ber ของช่วงที่สร้างขึ้นตามลักษณะ
ของข้อมูล นอกจากนี้ ChiMerge เป็น
หลายชั้นเรียน (เช่น โดเมนที่ มีมากกว่าสอง

ผลลัพธ์ (ไทย) 3:

ชุดประชุม
ที่สำคัญเป็นอย่างมากและมีลักษณะเป็น chimerge คือโรมาเนีย -
bustness ในขณะที่จะทำกันเล็กน้อยที่แย่ไปกว่านั้น
กว่าอัลกอริธึมอื่นๆบางครั้งผู้ใช้สามารถมั่นใจได้ค่อนข้าง
ที่ chimerge จะพลาดช่วงสำคัญไม่ค่อยหรือ
เลือกเขตช่วงเวลาที่เมื่อมีอย่างเห็นได้ชัด
ทางเลือกได้ดียิ่งขึ้น ในทางตรงข้ามเท่ากับความกว้าง - ช่วง
และวิธีการเท่ากับ - ความถี่ - ในแต่ละช่วงจะสามารถผลิต ex -
discretizations ผู้น่าสงสาร tremely สำหรับแอตทริบิวต์บางอย่างเป็น
อภิปราย กันก่อนหน้านี้ อีกรายหนึ่งโดดเด่นไปด้วยเป็นการใช้งานที่ง่าย;ในขณะที่
discretization คุณภาพ คือได้รับผลกระทบจากค่าพารามิเตอร์การตั้งค่า,
ที่เลือกใช้ X 2 - ค่าระหว่าง .90 และ .99 SIG -
nificance และระดับสูงสุด( MAX ) - ช่วงที่ระดับปานกลางค่า
(เช่น, 5 ถึง 15 )โดยทั่วไปแล้วจะผลิตที่ดี discretiza -
การ(บางคนมีคุณสมบัติโดยมีประเด็นใหม่กว่า). ที่สำคัญ
แหล่งที่มาของความแข็งแกร่งเป็นที่ไม่เหมือนกับวิธีการแบบเรียบง่ายที่
chimerge ใช้เวลา class ของตัวอย่างที่เข้าพิจารณา -
การเมื่อสร้างในแต่ละช่วงและปรับเหาะ NUM lock -
ของในแต่ละช่วงสร้างขึ้นตามคุณลักษณะของ
ของข้อมูลที่ นอกจากนี้ chimerge มีผลบังคับใช้กับ
การเรียนรู้แบบมัลติ - class (เช่นโดเมนพร้อมด้วยมากกว่าสอง