Accuracy Assessment Note that the p

Accuracy Assessment
Note that the previously presented classification algorithms are neither “right” nor “wrong”. For example, someone might object to your use of the simple minimum distance to means classifier by pointing out that your classes have different variability, or a person might object to your use of a Maximum Likelihood Classifier because your data is not normally distributed. These algorithms are neither “right” nor “wrong”, but rather they do a better or worse job in classifying pixels in an image. Accuracy assessment tries to quantify how good of a job was done by the classifier.

ผลลัพธ์ (ไทย) 2:

การประเมินความถูกต้อง
ทราบว่าก่อนหน้านี้ที่นำเสนอขั้นตอนวิธีการจัดหมวดหมู่จะไม่ "สิทธิ" หรือ "ผิด" ตัวอย่างเช่นบางคนอาจจะคัดค้านการใช้งานของระยะทางขั้นต่ำวิธีที่ง่ายในการจําแนกโดยชี้ให้เห็นว่าชั้นเรียนของคุณมีความแปรปรวนแตกต่างกันหรืออาจจะเป็นคนที่คัดค้านการใช้งานของลักษณนามโอกาสสูงสุดเนื่องจากข้อมูลของคุณไม่ได้กระจายตามปกติ ขั้นตอนวิธีการเหล่านี้จะไม่ "สิทธิ" หรือ "ผิด" แต่พวกเขาจะได้งานที่ดีขึ้นหรือแย่ในการจำแนกพิกเซลในภาพ การประเมินความถูกต้องพยายามที่จะหาจำนวนวิธีการที่ดีของงานที่ได้กระทำโดยการจําแนก

ผลลัพธ์ (ไทย) 3:

ความถูกต้องของการประเมิน
ทราบว่าก่อนหน้านี้ได้เสนอขั้นตอนวิธีการไม่ " ถูก " หรือ " ผิด " ตัวอย่างเช่นคนอาจปฏิเสธการใช้งานของระยะทางขั้นต่ำที่เรียบง่ายหมายถึงลักษณนาม โดยชี้ว่าห้องเรียนที่มีความผันแปร หรือบุคคลอาจวัตถุที่จะใช้ลักษณนามของความเป็นไปได้สูงสุด เพราะข้อมูลไม่ได้เป็นแบบปกติขั้นตอนวิธีการเหล่านี้จะไม่ " ถูก " หรือ " ผิด " แต่พวกเขาจะได้งานที่ดีขึ้นหรือแย่ลงเมื่อภาพภาพ การประเมินความถูกต้อง พยายามที่จะหาวิธีที่ดีของงานที่ทำโดยลักษณนาม