Algorithm 1 Output estimates-based

Algorithm 1 Output estimates-based Active Learning (Section 23.6.1.1).
# G estimates predictive error that rating an item xa would achieve
function G(xa)
# learn a preference approximation function f based on the current training set T
fT =learn(T )
# for each possible rating of an item xa e.g. {1,2,... ,5}
for ya ∈ Y
# add a hypothetical training point (xa,ya)
T (a) = T ∪ (xa,ya)
# learn a new preference approximation function f based on the new training set T (a)
fT (a) =learn(T (a))
# for each unrated item
for x ∈ X (Test)
# record the differences between ratings estimates
# before and after a hypothetical training point (xa,ya) was added to the training set T


return G

ผลลัพธ์ (ไทย) 1:

อัลกอริทึม 1 ผลประเมินโดยใช้การเรียนรู้ (ส่วน 23.6.1.1)# G ประเมินพลาดงานที่จัดอันดับสินค้าซาจะประสบความสำเร็จฟังก์ชัน G(xa)#เรียนรู้ฟังก์ชัน f ประมาณกำหนดลักษณะตามการฝึกปัจจุบันตั้ง Tฟุต =เรียน (T)#เป็นไปได้แต่ละคะแนนของซามีสินค้าเช่น {1, 2,... 5 }สำหรับยา∈ Y#เพิ่มจุดฝึกอบรมสมมุติ (xa, ya)T (a) = T ∪ (xa, ya)#เรียนรู้แบบใหม่ชอบประมาณฟังก์ชัน f ตามการฝึกใหม่ตั้ง T (a)ฟุต (a) =เรียน (T (a))#สำหรับสินค้าแต่ละอันดับสำหรับ x ∈ X (ทดสอบ)#บันทึกความแตกต่างระหว่างการประเมินจัดอันดับ#ก่อน และ หลังจุดฝึกอบรมสมมุติ (xa ยา) เพิ่มชุดฝึก Tกลับ G

ผลลัพธ์ (ไทย) 2:

อัลกอริทึม 1 เอาท์พุทประมาณการตามการเรียนรู้ที่ใช้งาน (มาตรา 23.6.1.1).
# G ประมาณการคาดการณ์ที่ผิดพลาดให้คะแนน XA รายการจะบรรลุ
ฟังก์ชั่นจี (XA)
# เรียนรู้การตั้งค่าฟังก์ชั่นการประมาณฉบนพื้นฐานของการฝึกอบรมในปัจจุบันชุดเสื้อ
FT = เรียนรู้ ( T)
# สำหรับแต่ละคะแนนเป็นไปได้ของรายการ XA เช่น {1,2, ... , 5}
สำหรับยา∈ Y
# เพิ่มจุดการฝึกอบรมสมมุติ (XA, ya)
t () = T ∪ (XA, ya)
# เรียนรู้การตั้งค่าใหม่ประมาณฟังก์ชัน f บนพื้นฐานของการฝึกอบรมใหม่ชุด T (ก)
FT () = เรียนรู้ (T (ก))
# สำหรับแต่ละรายการจัดอันดับ
สำหรับ x ∈ X (Test)
บันทึก # ความแตกต่างระหว่างการประมาณการการจัดอันดับ
# ก่อนและหลังการฝึกอบรมจุดสมมุติ (XA, ya) ถูกบันทึกอยู่ในชุดฝึกอบรม T กลับมา G

ผลลัพธ์ (ไทย) 3:

ขั้นตอนวิธีการเรียนรู้ตาม ( ออกประมาณ 1 ส่วน 23.6.1.1 )
# G ประมาณการพยากรณ์ว่า คะแนนข้อผิดพลาดรายการ XA จะบรรลุฟังก์ชัน G ( น )

#เรียนรู้ความชอบการประมาณค่าฟังก์ชัน f จากการฝึกอบรมชุดปัจจุบัน T
ฟุต = เรียน ( t )
#แต่ละอันดับที่สุดของรายการยาเช่น { 1 , 2 , . . . 5 }
สำหรับยา∈ Y
#เพิ่มจุดการสมมุติ ( XA ครับ )
T ( ) T ( XA ครับ )
∪#เรียนรู้ใหม่ การตั้งค่าการประมาณค่าฟังก์ชัน f จากการฝึกอบรมชุดใหม่ t ( A )
ฟุต ( ) = เรียน ( t ( a )
#สำหรับแต่ละรายการ
x 7.0 สำหรับ∈ x ( ทดสอบ )
#บันทึกความแตกต่างระหว่างคะแนนก่อนและหลังการประเมิน
#จุดฝึกอบรมสมมุติ ( ซา ยา ) คือการเพิ่มการตั้งค่า T



กลับก.