particularly for white vinho verde

particularly for white vinho verde wine, which is the most common
type. When admitting only the correct classified classes (T=0.5), the
overall accuracies are 62.4% (red) and 64.6% (white). It should be
noted that the datasets contain six/seven classes (from 3 to 8/9).
These accuracies are much better than the ones expected by a random
classifier. The performance is substantially improved when the
tolerance is set to accept responses that are correct within the one
of the two nearest classes (T=1.0), obtaining a global accuracy of
89.0% (red) and 86.8% (white). In particular, for both tasks the
majority of the classes present an individual accuracy (precision)
higher than 90%.

ผลลัพธ์ (ไทย) 1:

โดยเฉพาะอย่างยิ่งสำหรับเวิร์ด vinho ขาวไวน์ ซึ่งเป็นที่พบมากที่สุดชนิดของ เมื่อ admitting เท่านั้นถูกจัดชั้นเรียน (T = 0.5), การaccuracies โดยรวมได้ 62.4% (สีแดง) และ 64.6% (สีขาว) ควรมีตั้งข้อสังเกตว่า datasets ที่ประกอบด้วยหก/เจ็ดชั้น (จาก 3 ถึง 8/9)Accuracies เหล่านี้จะดีกว่าที่คาด โดยการสุ่มclassifier มีประสิทธิภาพมากขึ้นเมื่อการยอมรับถูกตั้งค่าให้ยอมรับการตอบสนองที่ถูกต้องภายในหนึ่งของชั้นสอง (T = 1.0), ได้รับความถูกต้องสากลของ89.0% (สีแดง) และ 86.8% (สีขาว) โดยเฉพาะอย่างยิ่ง สำหรับงานทั้งสองส่วนใหญ่เรียนนำเสนอความถูกต้องแต่ละ (ความแม่นยำ)สูงกว่า 90%

ผลลัพธ์ (ไทย) 2:

โดยเฉพาะอย่างยิ่งสำหรับไวน์เวิร์ด Vinho
สีขาวซึ่งเป็นที่พบมากที่สุดประเภท เมื่อยอมรับเพียงจัดชั้นเรียนที่ถูกต้อง (T = 0.5)
ที่ถูกต้องโดยรวม62.4% (สีแดง) และ 64.6% (สีขาว) มันควรจะตั้งข้อสังเกตว่าชุดข้อมูลประกอบด้วยหก / เจ็ดชั้นเรียน (ตั้งแต่ 3 ถึง 8/9). ความถูกต้องเหล่านี้มีมากดีกว่าคนที่คาดว่าจะโดยการสุ่มลักษณนาม ผลการดำเนินงานที่ดีขึ้นอย่างมีนัยสำคัญเมื่อความอดทนเป็นที่ตั้งที่จะยอมรับการตอบสนองที่ถูกต้องภายในหนึ่งของทั้งสองเรียนที่ใกล้ที่สุด(T = 1.0) ได้รับความถูกต้องทั่วโลกของ89.0% (สีแดง) และ 86.8% (สีขาว) โดยเฉพาะอย่างยิ่งสำหรับงานทั้งส่วนใหญ่ของการเรียนนำเสนอความถูกต้องของแต่ละบุคคล (ความแม่นยำ) สูงกว่า 90%

ผลลัพธ์ (ไทย) 3:

โดยเฉพาะสีขาว สีเขียว vinho ไวน์ซึ่งเป็นชนิดที่พบมากที่สุด

เมื่อยอมรับเฉพาะถูกต้องจัดชั้นเรียน ( t = 0.5 ) ,
ความถูกต้องโดยรวมมี 62.4 % ( สีแดง ) และ 64.6 % ( สีขาว ) มันควรจะตั้งข้อสังเกตว่าข้อมูล
มีหก / เจ็ดชั้น ( 3 - 8 / 9 ) .
ความถูกต้องเหล่านี้มีมากดีกว่าที่คาดไว้ โดยสุ่ม
ลักษณนามประสิทธิภาพดีขึ้นอย่างมากเมื่อ
ความอดทนเป็นตั้งค่าให้ยอมรับการตอบสนองที่ถูกต้องภายในหนึ่ง
ของทั้งสองที่ใกล้ที่สุดเรียน ( t = 1.0 ) ที่ได้รับความถูกต้องของผล (
% ( สีแดง ) และ 86.8 % ( สีขาว ) โดยเฉพาะ ทั้งงาน
ส่วนใหญ่ของชั้นเรียนปัจจุบันความถูกต้องของแต่ละบุคคล ( Precision )
สูงกว่า 90%