23.5.2 Decision Boundary Uncertaint

23.5.2 Decision Boundary Uncertainty

In Decision Boundary-based methods, training points are selected so as to improve
decision boundaries. Often an existing decision boundary is assumed to be somewhat accurate, so points are sampled close to the decision boundary to further refine
it (Figure 23.4). In a way this may also be considered Output Uncertainty-based,
since the uncertainty of the points close to the decision boundary may be high. This
method operates with the assumption that the decision boundary of the underlying
learning method (e.g. Support Vector Machine) is easily accessible. A clear advantage of this method is that given a decision boundary, selecting training examples
by their proximity to it is computationally inexpensive.

ผลลัพธ์ (ไทย) 1:

23.5.2 ตัดสินขอบเขตของความไม่แน่นอนในขอบเขตของการตัดสินใจใช้วิธี เลือกสถานที่ฝึกอบรมเพื่อปรับปรุงขอบเขตของการตัดสินใจ มักจะถือว่าขอบเขตการตัดสินใจที่มีอยู่จะค่อนข้างถูกต้อง ให้คะแนนมีความใกล้กับขอบที่ตัดสินใจจะ refine เพิ่มเติมมัน (รูป 23.4) แบบ นี้อาจได้รับการพิจารณาความไม่แน่นอนของผลผลิตตามเนื่องจากความไม่แน่นอนของจุดใกล้กับ ขอบเขตการตัดสินใจอาจจะสูง นี้วิธีการดำเนินงาน ด้วยสมมติฐานที่ขอบเขตการตัดสินใจของตัวเรียนรู้วิธีการ (เช่นสนับสนุนเวกเตอร์เครื่อง) จะเดินทาง ข้อดีชัดเจนของวิธีการนี้เป็นที่รับเส้นขอบเขตการตัดสินใจ การเลือกตัวอย่างการฝึกอบรมด้วยความใกล้ชิดของพวกเขาจะเป็น computationally ราคาไม่แพง

ผลลัพธ์ (ไทย) 2:

23.5.2 การตัดสินใจไม่แน่นอนเขตแดนในการตัดสินใจวิธีเขตแดนตามจุดการฝึกอบรมได้รับการคัดเลือกเพื่อปรับปรุงขอบเขตการตัดสินใจ บ่อยครั้งที่การตัดสินใจของเขตแดนที่มีอยู่จะถือว่าถูกต้องค่อนข้างดังนั้นจุดที่เป็นตัวอย่างใกล้กับขอบเขตการตัดสินใจที่จะต่อสายตะวันออกเฉียงเหนืออีกครั้งมัน (รูปที่ 23.4) ในวิธีนี้อาจได้รับการพิจารณาความไม่แน่นอนของการส่งออกที่ใช้ตั้งแต่ความไม่แน่นอนของจุดที่ใกล้กับขอบเขตการตัดสินใจที่อาจจะสูง ซึ่งวิธีการทำงานกับสมมติฐานที่ว่าขอบเขตการตัดสินใจของพื้นฐานวิธีการเรียนรู้ (เช่นการสนับสนุนเครื่องเวกเตอร์) สามารถเข้าถึงได้ง่าย ข้อได้เปรียบที่ชัดเจนของวิธีนี้คือการที่ได้รับขอบเขตการตัดสินใจเลือกตัวอย่างการฝึกอบรมโดยใกล้ชิดของพวกเขาจะมีราคาไม่แพงคอมพิวเตอร์

ผลลัพธ์ (ไทย) 3:

23.5.2 ขอบเขตการตัดสินใจไม่แน่นอนในการตัดสินใจ

ขอบใช้วิธีจุดฝึกอบรมที่เลือกเพื่อปรับปรุง
ขอบเขตการตัดสินใจ มักจะมีขอบเขตการตัดสินใจที่มีอยู่จะถือว่ามีความถูกต้องค่อนข้าง ดังนั้นจุดเก็บตัวอย่างใกล้ชิดเพื่อการตัดสินเขตแดนเพื่อเพิ่มเติมอีกครั้งจึง ne
( ตัวเลขทั้งหมด ) ในวิธีนี้อาจจะยังได้รับการพิจารณาความไม่แน่นอนตามผลผลิต
เนื่องจากความไม่แน่นอนของจุดใกล้ตัดสินใจขอบเขตอาจจะสูง วิธีนี้
ประกอบกับสมมติฐานที่ว่าการตัดสินใจขอบเขตของต้นแบบ
วิธีเรียน ( เช่นเครื่องเวกเตอร์สนับสนุน ) สามารถเข้าถึงได้อย่างง่ายดาย ข้อได้เปรียบที่ชัดเจนของวิธีนี้คือ ว่า ให้ตัดสินใจขอบเขต การเลือกการฝึกอบรมตัวอย่าง
โดยความใกล้ชิดของพวกเขามันเป็น computationally
ราคาถูก