Interest in the naive Bayes learnin

Interest in the naive Bayes learning algorithm within
machine learning circles can be attributed to Clark
and Niblett's paper on the CN2 rule learner ( Clark
& Niblett, 1989). In this paper they included a simple
Bayesian classifier ( naive Bayes) as a "straw man"
in their experimental evaluation and noted its good
performance compared to more sophisticated learners.
Although it has been explained how naive Bayes can
work well in some cases where the attribute independence
assumption is violated ( Domingos & Pazzani,
1997) the fact remains that probability estimation is
less accurate and performance degrades when attribute
independence does not hold.

ผลลัพธ์ (ไทย) 1:

สนใจในอัลกอริทึมขำน่า Bayes เรียนภายในเครื่องเรียนรู้วงสามารถเกิดจากคลาร์กและกระดาษของ Niblett บนเรียนกฎ CN2 (คลาร์ก& Niblett, 1989) ในเอกสารนี้ จะรวมอยู่ที่เรียบง่ายทฤษฎี classifier (ขำน่า Bayes) เป็น "ฟางคน"ในการประเมินผลการทดลอง และสังเกตเป็นเรื่องที่ดีประสิทธิภาพเมื่อเทียบกับผู้เรียนที่มีความซับซ้อนมากขึ้นแม้ว่าการอธิบาย วิธีขำน่า Bayes สามารถงานดีในบางกรณีเป็นอิสระแอตทริบิวต์อัสสัมชัญคือ violated (Domingos & Pazzani1997) ความจริงที่ยังคง ความน่าเป็นประมาณว่าถูกต้องน้อยลง และเสื่อมประสิทธิภาพเมื่อแอททริบิวต์ไม่ถือความเป็นอิสระ

ผลลัพธ์ (ไทย) 2:

ที่น่าสนใจในการเรียนรู้ขั้นตอนวิธีเบส์ไร้เดียงสาที่อยู่ในวงการการเรียนรู้เครื่องสามารถนำมาประกอบกับคลาร์กกระดาษและNiblett บนเรียนกฎ CN2 (คลาร์กและNiblett, 1989) ในบทความนี้พวกเขารวมถึงการที่เรียบง่ายลักษณนามเบย์ (ไร้เดียงสา Bayes) เป็น "ฟาง" ในการประเมินผลการทดลองของพวกเขาและตั้งข้อสังเกตที่ดีที่ผลการดำเนินงานเมื่อเทียบกับผู้เรียนที่มีความซับซ้อนมากขึ้น. แม้ว่าจะได้รับการอธิบายว่าไร้เดียงสา Bayes สามารถทำงานได้ดีในบางกรณีที่อิสระแอตทริบิวต์สมมติฐานการละเมิด (Domingos & Pazzani, 1997) ความจริงที่ยังคงอยู่ที่การประมาณค่าความน่าจะเป็นที่ถูกต้องน้อยลงและผลการดำเนินงานลดเมื่อแอตทริบิวต์เป็นอิสระไม่ได้ถือ

ผลลัพธ์ (ไทย) 3:

ความสนใจใน Naive Bayes อัลกอริทึมการเรียนรู้ภายใน
การเรียนรู้เครื่องวงกลมสามารถประกอบกับคลาร์ก
และกระดาษนิบลิตบน cn2 กฎการเรียนรู้ ( คลาร์ก
&นิบลิต , 1989 ) ในกระดาษนี้พวกเขารวมวิ
คชกรรมลักษณนาม ( Naive Bayes ) เป็น " ฟางนะ "
ประเมินผลทดลองและสังเกตการปฏิบัติงานเทียบกับผู้เรียนที่ดี

ที่ซับซ้อนมากขึ้นถึงแม้ว่าจะได้รับการอธิบายว่า Naive Bayes สามารถ
ทำงานได้ดีในบางกรณีที่คุณสมบัติความเป็นอิสระ
อัสสัมชัญละเมิด ( โดมิงโกส & pazzani
, 1997 ) ความจริงก็ยังคงอยู่ที่การประมาณความน่าจะเป็น
ถูกต้องน้อยลง และการปฏิบัตินี้เมื่อแอตทริบิวต์
ความเป็นอิสระไม่ถือ