Another potential drawback comes fr

Another potential drawback comes from the expected uncertainty being computed over the distribution p(y|x, θ u) by utilizing the currently estimated model θ u.
The currently estimated model could be far from the true model, particularly when
the number of training points is small, but the number of parameters to be estimated is large. Therefore, performing AL based only on a single estimated model
can be misleading [25]. Let us illustrate this by the following example shown in
Figure 23.5. The four existing training points are indicated by solid line contours,
test points by dashed ones. Based on these four training examples, the most likely
decision boundary is the horizontal line (dashed), even though the true decision
boundary is a vertical line (solid). If we select training input points based only on
the estimated model, subsequent training points would likely be obtained from areas along the estimated boundary, which are ineffective in adjusting the estimated
decision boundary (horizontal line) towards the correct decision boundary (vertical
line). This example illustrates that performing AL for the currently estimated model

ผลลัพธ์ (ไทย) 1:

คืนอีกอาจมาจากความไม่แน่นอนคาดการคำนวณผ่าน p กระจาย (y|x θ u) โดยใช้ u θรุ่นปัจจุบันประมาณแบบประเมินในปัจจุบันสามารถมาพักแบบจริง โดยเฉพาะอย่างยิ่งเมื่อคะแนนฝึกเล็ก แต่หมายเลขของพารามิเตอร์จะประมาณขนาดใหญ่ ดังนั้น AL ทำตามเฉพาะแบบประเมินที่เดียวสามารถถูกเข้าใจผิด [25] เราแสดงนี้ โดยแสดงในตัวอย่างต่อไปนี้23.5 รูป จุดฝึกอบรมอยู่สี่จะแสดง ด้วยรูปทรงเส้นทึบทดสอบคะแนน ด้วยคนประ ตาม 4 ฝึกอบรมตัวอย่างเหล่านี้ มีแนวโน้มมากที่สุดตัดสินใจขอบเป็นเส้นแนวนอน (เส้นประ), ถึงแม้ว่าการตัดสินใจที่แท้จริงขอบเป็นแนว (ของแข็ง) ถ้าเราเลือกจุดป้อนข้อมูลโดยเฉพาะในการฝึกอบรมแบบประเมิน สถานฝึกอบรมต่อมาจะมีแนวโน้มได้รับจากพื้นที่ตามขอบเขตการประเมิน ซึ่งมีผลในการปรับเปลี่ยนการประเมินขอบเขตการตัดสินใจ (เส้นแนวนอน) ไปยังขอบเขตการตัดสินใจที่ถูกต้อง (แนวตั้งบรรทัด) ตัวอย่างนี้แสดงที่ AL ประสิทธิภาพสำหรับแบบจำลองการประเมินปัจจุบัน

ผลลัพธ์ (ไทย) 2:

อีกอุปสรรคที่อาจเกิดขึ้นมาจากความไม่แน่นอนที่คาดว่าจะได้รับการคำนวณการจัดจำหน่ายในช่วงพี. (y | x, θยู) โดยใช้รูปแบบในปัจจุบันประมาณθยู
รุ่นปัจจุบันประมาณอาจจะห่างไกลจากความเป็นจริงรูปแบบโดยเฉพาะอย่างยิ่งเมื่อมี
จำนวนจุดการฝึกอบรม มีขนาดเล็ก แต่จำนวนของพารามิเตอร์ที่จะมีขนาดใหญ่ประมาณ ดังนั้นการปฏิบัติ AL ขึ้นอยู่เฉพาะในรูปแบบที่คาดเดียว
สามารถทำให้เข้าใจผิด [25] ขอให้เราแสดงให้เห็นถึงนี้โดยตัวอย่างต่อไปนี้แสดงใน
รูปที่ 23.5 สี่จุดการฝึกอบรมที่มีอยู่จะมีการแสดงรูปทรงเส้นทึบ
จุดทดสอบโดยคนที่ประ ขึ้นอยู่กับทั้งสี่ตัวอย่างการฝึกอบรมที่มีแนวโน้มมากที่สุด
ขอบเขตการตัดสินใจเป็นเส้นแนวนอน (ประ) แม้ว่าการตัดสินใจที่แท้จริง
เขตแดนเป็นเส้นแนวตั้ง (ของแข็ง) ถ้าเราเลือกจุดป้อนข้อมูลการฝึกอบรมขึ้นอยู่เฉพาะใน
รูปแบบประมาณจุดฝึกอบรมที่ตามมามีแนวโน้มว่าจะได้รับจากพื้นที่ตามแนวพรมแดนโดยประมาณซึ่งจะไม่ได้ผลในการปรับประมาณ
ขอบเขตการตัดสินใจ (เส้นแนวนอน) ที่มีต่อการตัดสินใจที่ถูกต้องเขตแดน (แนวตั้ง
เส้น) ตัวอย่างนี้แสดงให้เห็นว่าการดำเนินการ AL สำหรับรุ่นปัจจุบันประมาณ

ผลลัพธ์ (ไทย) 3:

อุปสรรคที่อาจเกิดขึ้นอีก คาดว่าถูกคำนวณมาจากความไม่แน่นอนมากกว่าการกระจาย P ( Y | X , θ U ) โดยการประมาณการในปัจจุบันรูปแบบθ U .
ซึ่งในปัจจุบันรูปแบบอาจจะไกลจากแบบจริง โดยเฉพาะอย่างยิ่งเมื่อ
จำนวนจุดฝึกอบรมมีขนาดเล็ก แต่ตัวเลขของค่าพารามิเตอร์ที่จะประมาณ ขนาดใหญ่ . ดังนั้นการแสดงเดี่ยวอัลอยู่เฉพาะในแบบจำลองการประมาณ
อาจทำให้เข้าใจผิด [ 25 ] ให้เราแสดงโดยตัวอย่างต่อไปนี้จะแสดงในรูปปกติ
. สี่ประเด็นการฝึกอบรมที่มีอยู่จะแสดงโดยเส้นเส้นทึบ
จุดทดสอบโดยเส้นประที่ ตามเหล่านี้สี่การฝึกอบรมตัวอย่างขอบเขตการตัดสินใจอาจ
ส่วนใหญ่เป็นเส้นแนวนอน ( เส้นประ ) แม้ว่า
การตัดสินใจที่แท้จริงขอบเป็นเส้นแนวตั้ง ( แข็ง ) ถ้าเราเลือกใส่ฝึกจุดยึดเฉพาะ
ประมาณการแบบจุดฝึกอบรมที่ตามมาอาจจะได้รับจากพื้นที่ตามขอบเขตโดยประมาณ ซึ่งจะไม่ได้ผลในการปรับประมาณการ
ตัดสินใจขอบเขต ( เส้นแนวนอน ) ไปสู่ขอบเขตการตัดสินใจที่ถูกต้อง ( แนวตั้ง
)ตัวอย่างนี้แสดงให้เห็นว่า การประมาณการในปัจจุบันรูปแบบ
อัลสำหรับ