This paper investigates an active l

This paper investigates an active learning (AL) [21], [27]
approach for streaming data to maintain an on-line model that
is robust to class imbalances. The principle is to query only
a fraction of the labels, usually just the most informative data
near the decision boundary, and thereby to attain an accurate
classifier at significantly lower cost than regular supervised
learning. To the best of our knowledge our work is the first to
use active learning for PD classification [19].

ผลลัพธ์ (ไทย) 1:

ตรวจสอบเอกสารนี้เป็นการเรียนรู้ (AL) [21], [27]แนวทางสำหรับการสตรีมข้อมูลรักษาออนไลน์ของเรารูปที่มีประสิทธิภาพเพื่อความไม่สมดุลของระดับ หลักการคือการ สอบถามเท่านั้นส่วนของป้ายชื่อ ข้อมูลที่มีประโยชน์มักจะเพียงมากที่สุดใกล้ขอบเขตการตัดสินใจ และจึง จะบรรลุความถูกต้องลักษณนามที่ต้นทุนต่ำกว่าปกติดูแลการเรียนรู้ ดีที่สุดของความรู้ของเรา ทำงานเป็นคนแรกที่ใช้การเรียนรู้การจัด PD [19]

ผลลัพธ์ (ไทย) 2:

กระดาษนี้สำรวจการเรียนรู้การใช้งาน (AL) [21] [27]
วิธีการสำหรับการสตรีมข้อมูลเพื่อรักษารูปแบบ On-line ที่
มีประสิทธิภาพเพื่อความไม่สมดุลของระดับ หลักการคือการสอบถามเท่านั้น
ส่วนของฉลากมักจะเป็นเพียงข้อมูลที่ให้ข้อมูลส่วนใหญ่
ที่อยู่ใกล้กับเขตแดนตัดสินใจและจึงจะบรรลุความถูกต้อง
ลักษณนามที่ค่าใช้จ่ายต่ำกว่าปกติภายใต้การดูแล
การเรียนรู้ ที่ดีที่สุดของความรู้ของเราทำงานของเราเป็นครั้งแรกที่
ใช้การเรียนรู้การใช้งานสำหรับการจัดหมวดหมู่ PD [19]