Like with friend count, we can fit a

Like with friend count, we can fit a linear model that uses feedback indicators such as unique commenters and unique likers to predict the fraction of friends that see a post. This model also explains very little variance(R2 = .13,p < .001). Like the previous model,its mean absolute error is8%,so the average prediction is off by 8%from the actual percentage of friends who saw the post. These results are nearly identical to those for the linear predictor based on friend count.

ผลลัพธ์ (ไทย) 1:

เหมือนกับการนับจำนวนเพื่อน เราได้ fit แบบเชิงเส้นที่ใช้ตัวบ่งชี้คำติชมแสดงความคิดเห็นที่ไม่ซ้ำและไม่ซ้ำกัน likers ทายสัดส่วนของเพื่อนที่เห็นโพสต์ รุ่นนี้ยังอธิบายผลต่างน้อยมาก (R2 =.13, p < .001). เช่นรุ่นก่อนหน้า ความผิดพลาดสัมบูรณ์หมายถึง is8% เพื่อทำนายค่าเฉลี่ยปิดอยู่ 8% จากเปอร์เซ็นต์ของเพื่อนที่เห็นโพสต์จริง ผลลัพธ์เหล่านี้เกือบเหมือนกับสำหรับผู้ทายผลแบบเชิงเส้นตามจำนวนเพื่อนกัน

ผลลัพธ์ (ไทย) 2:

เช่นเดียวกับการนับจำนวนเพื่อนเราสามารถ fi เสื้อแบบจำลองเชิงเส้นที่ใช้ตัวชี้วัดการตอบรับเช่นการแสดงความคิดเห็นที่ไม่ซ้ำกันและ likers ที่ไม่ซ้ำกันที่จะคาดการณ์ส่วนของเพื่อนที่เห็นโพสต์ รุ่นนี้ยังได้อธิบายถึงความแตกต่างน้อยมาก (R2 = 0.13, p <0.001) เช่นเดียวกับรุ่นก่อนหน้านี้ข้อผิดพลาดของค่าเฉลี่ยสัมบูรณ์ is8% ดังนั้นการคาดการณ์เฉลี่ยอยู่ที่ปิดโดย 8% จากอัตราร้อยละที่แท้จริงของเพื่อน ๆ ที่เห็นโพสต์ ผลเหล่านี้เกือบจะเหมือนกับผู้ทำนายเชิงเส้นขึ้นอยู่กับการนับเพื่อน

ผลลัพธ์ (ไทย) 3:

เหมือน กับ นับเพื่อน เราจึงไม่ได้ใช้ตัวแบบเชิงความคิดเห็น เช่น แสดงความคิดเห็นที่ไม่ซ้ำกันและ likers เฉพาะพยากรณ์ส่วนของเพื่อนที่เห็นโพสต์ รุ่นนี้ยัง อธิบาย ความแปรปรวนน้อยมาก ( R2 = 13 , p < . 001 ) เช่นเดียวกับรุ่นก่อนหน้าของความคลาดเคลื่อนสัมบูรณ์เฉลี่ย 8% ดังนั้นการคาดการณ์โดยเฉลี่ยจากร้อยละ 8 เปอร์เซ็นต์ที่แท้จริงของเพื่อนที่เห็นโพสต์ผลลัพธ์เหล่านี้เป็นเกือบเหมือนสำหรับทำนายเชิงเส้นตามจำนวนเพื่อน