In classification, a regression pre

In classification, a regression predictor is not very useful. What we usually want is a predictor that makes a guess somewhere between 0 and 1. In a cookie quality classifier, a prediction of 1 would represent a very confident guess that the cookie is perfect and utterly mouthwatering. A prediction of 0 represents high confidence that the cookie is an embarrassment to the cookie industry. Values falling within this range represent less confidence, so we might design our system such that prediction of 0.6 means “Man, that’s a tough call, but I’m gonna go with yes, you can sell that cookie,” while a value exactly in the middle, at 0.5, might represent complete uncertainty. This isn’t always how confidence is distributed in a classifier but it’s a very common design and works for purposes of our illustration

ผลลัพธ์ (ไทย) 1:

ในการจัดประเภท predictor ถดถอยไม่ได้ประโยชน์มาก สิ่งที่เรามักจะต้องมีจำนวนประตูที่ทำให้การเดาอยู่ระหว่าง 0 และ 1 ในตัวคุกกี้คุณภาพ classifier การคาดการณ์ 1 จะแสดงการเดาใจว่าคุกกี้สมบูรณ์แบบ และน่ารับประทานเพราะ การคาดการณ์ของ 0 แสดงถึงความมั่นใจสูงว่าคุกกี้มีความลำบากใจให้อุตสาหกรรมคุกกี้ ค่าอยู่ในช่วงนี้แสดงถึงน้อยความเชื่อมั่น ดังนั้นเราอาจออกแบบระบบของเราเช่นที่ทำนายของ 0.6 หมายถึง "มนุษย์ เป็น การเรียกยาก แต่ฉันจะไป ด้วยใช่ คุณสามารถขายที่คุกกี้ ในขณะที่ค่าตรงตรงกลาง ที่ 0.5 อาจแสดงถึงความไม่แน่นอนที่สมบูรณ์ได้ นี้ไม่เสมอวิธีกระจายความมั่นใจในตัว classifier แต่เป็นการออกแบบและการทำงานสำหรับวัตถุประสงค์ของภาพของเรากันมาก

ผลลัพธ์ (ไทย) 2:

ในการจัดหมวดหมู่ทำนายถดถอยไม่เป็นประโยชน์มาก สิ่งที่เรามักจะต้องการเป็นปัจจัยบ่งชี้ที่ทำให้เดาอยู่ระหว่าง 0 และ 1 ในจําแนกคุณภาพคุกกี้ที่ทำนาย 1 จะเป็นตัวแทนเดามั่นใจมากว่าคุกกี้ที่สมบูรณ์แบบและน่ารับประทานอย่างเต็มที่ ทำนาย 0 แสดงให้เห็นถึงความเชื่อมั่นสูงที่คุกกี้เป็นความลำบากใจให้กับอุตสาหกรรมคุกกี้ที่ ค่านิยมที่ลดลงในช่วงนี้เป็นตัวแทนของความเชื่อมั่นน้อยดังนั้นเราอาจจะออกแบบระบบของเราเช่นที่คาดการณ์ 0.6 หมายถึง "คนที่เป็นสายแข็ง แต่ฉันจะไปกับใช่คุณสามารถขายคุกกี้ที่" ในขณะที่ค่าว่าใน กลางที่ 0.5 อาจเป็นตัวแทนของความไม่แน่นอนที่สมบูรณ์ นี่คือวิธีการที่ไม่เคยมีการกระจายความเชื่อมั่นในตัวจําแนก แต่มันเป็นเรื่องธรรมดามากการออกแบบและการทำงานสำหรับวัตถุประสงค์ของตัวอย่างของเรา

ผลลัพธ์ (ไทย) 3:

หมวดหมู่ , การถดถอยทำนายไม่ได้มีประโยชน์มาก สิ่งที่เรามักจะต้องการคือตัวที่ทําให้เดาอยู่ระหว่าง 0 และ 1 ในคุกกี้พยากรณ์คุณภาพประเภท 1 จะแสดงว่ามั่นใจมากว่าคุกกี้ที่สมบูรณ์แบบและอย่างเต็มที่ น่ารับประทาน . การทำนาย 0 แสดงถึงความเชื่อมั่นสูงว่า คุกกี้ มันสร้างความอึดอัดใจให้กับอุตสาหกรรมคุกกี้ค่าลดลงในระยะนี้แสดงความมั่นใจน้อยลง ดังนั้นเราอาจจะออกแบบระบบของเราเช่นที่พยากรณ์ 0.6 หมายถึง " เพื่อนมันเรียกยาก แต่ผมจะไปด้วยครับ คุณสามารถขายที่คุกกี้ " ในขณะที่ค่าตรงกลาง ที่ 0.5 อาจเป็นตัวแทนของความไม่แน่นอนที่สมบูรณ์นี้ไม่เสมอว่ามั่นใจมีการกระจายในตัวแต่มันออกแบบทั่วไปมาก และทำงานเพื่อวัตถุประสงค์ของภาพประกอบของเรา