In all the experiments, we used the

In all the experiments, we used the SVM classifier [13] as the base classifier. SVMlight (http://svmlight.joachims.org/) was used as the SVM classifier in the experiments with all the parameters set to their default values. However, SVM does not
directly output the posterior probabilities of predicted labels. Therefore, we used a strategy that was introduced in [5] to
compute these probabilities.

ผลลัพธ์ (ไทย) 1:

ในการทดลองทั้งหมด เราใช้ classifier SVM [13] เป็น classifier พื้นฐาน SVMlight (ส่วน http://svmlight.joachims.org/) ถูกใช้เป็น classifier SVM ในการทดลองกับพารามิเตอร์การตั้งค่าเริ่มต้น อย่างไรก็ตาม SVM ไม่ได้ผลผลิตกิจกรรมหลังของป้ายชื่อที่คาดการณ์โดยตรง ดังนั้น เราใช้กลยุทธ์ที่ถูกนำมาใช้ใน [5] เพื่อคำนวณกิจกรรมเหล่านี้

ผลลัพธ์ (ไทย) 2:

ในการทดลองทั้งหมดที่เราใช้ลักษณนาม SVM [13] ลักษณนามเป็นฐาน SVMlight (http://svmlight.joachims.org/) ถูกใช้เป็นลักษณนาม SVM ในการทดลองกับทุกพารามิเตอร์การตั้งค่าเริ่มต้นของพวกเขา อย่างไรก็ตาม SVM
ไม่ได้ส่งออกโดยตรงน่าจะเป็นหลังของป้ายชื่อที่คาดการณ์ไว้ ดังนั้นเราจึงใช้กลยุทธ์ที่ได้รับการแนะนำใน [5]
ในการคำนวณความน่าจะเป็นเหล่านี้

ผลลัพธ์ (ไทย) 3:

на все, мы с experiments базы] [13 свм в качестве базы. Svmlight базы svmlight.joachims.org (http: / /).свм в качестве базы для настройки параметров выиграть все experiments и они делать default values. однако, свмНет.непосредственно после выходного вероятность метки. таким образом, мы predicted выиграть 5] [это в стратегии внедрениянавычислить эти вероятности.