To solve the second problem (of ina

To solve the second problem (of inadequacy of binary classification algorithms), we require learning algorithms not only to classify, but also to classify with a confidence measurement, such as a probability estimation or certainty factor. This allows us to rank training and testing examples. The ranking of non-buyers (from most likely to least likely buyers) makes it possible to choose any number of likely buyers for the promotion. It also provides a fine distinction among chosen customers to apply different means of promotion. Therefore, we need learning algorithms that can also produce probability estimation or certainty factors. We will discuss such algorithms that we used in Section 5.1.

ผลลัพธ์ (ไทย) 1:

การแก้ไขปัญหาที่สอง (ของ inadequacy ของอัลกอริทึมประเภทไบนารี), เราต้องเรียนรู้อัลกอริทึมไม่เพียงแต่ การจัดประเภท แต่ยัง เพื่อจัดประเภท ด้วยการวัดความเชื่อมั่น เช่นการประเมินความเป็นไปได้หรือแน่นอนปัจจัย ให้การฝึกอบรม และทดสอบตัวอย่างนั้น การจัดอันดับไม่ใช่ผู้ซื้อ (จากมักให้ผู้ซื้อมีแนวโน้มน้อยที่สุด) ทำให้สามารถเลือกจำนวนผู้ซื้อมีแนวโน้มที่ส่งเสริม ยังมีความแตกต่างที่ดีในหมู่ลูกค้าท่านจะใช้วิธีการอื่นเสริมด้วย ดังนั้น เราต้องเรียนรู้อัลกอริทึมที่ยังสามารถผลิตการประเมินความน่าเป็นหรือปัจจัยแน่นอน เราจะหารือเช่นอัลกอริทึมที่ใช้ในหัวข้อ 5.1

ผลลัพธ์ (ไทย) 2:

เพื่อแก้ปัญหาที่สอง (จากความไม่เพียงพอของขั้นตอนวิธีการจัดหมวดหมู่ไบนารี) เราจำเป็นต้องมีขั้นตอนวิธีการเรียนรู้ไม่เพียง แต่การจำแนก แต่ยังจะจำแนกประเภทที่มีการวัดความเชื่อมั่นเช่นการประเมินปัจจัยความเชื่อมั่นหรือความน่าจะเป็น นี้ช่วยให้เราในการจัดอันดับตัวอย่างการฝึกอบรมและการทดสอบ การจัดอันดับของผู้ซื้อที่ไม่ใช่ (จากส่วนใหญ่มีแนวโน้มที่จะซื้อมีแนวโน้มน้อย) ทำให้มันเป็นไปได้ที่จะเลือกจำนวนของผู้ซื้อที่มีแนวโน้มใด ๆ สำหรับการส่งเสริมการขาย นอกจากนี้ยังมีความแตกต่างที่ดีในหมู่ลูกค้าเลือกที่จะใช้วิธีการที่แตกต่างกันของโปรโมชั่น ดังนั้นเราจึงจำเป็นต้องเรียนรู้ขั้นตอนวิธีการที่ยังสามารถผลิตประมาณค่าความน่าจะเป็นหรือปัจจัยความเชื่อมั่น เราจะหารือเกี่ยวกับขั้นตอนวิธีการดังกล่าวที่เราใช้ในข้อ 5.1

ผลลัพธ์ (ไทย) 3:

เพื่อแก้ไขปัญหาที่สอง ( ของความไม่เพียงพอของขั้นตอนวิธีการจำแนกไบนารี ) เราต้องใช้อัลกอริทึมการเรียนรู้ไม่เพียง แต่จะแยก แต่ยังแยกกับความเชื่อมั่นของการวัด เช่น ความน่าจะเป็นการประมาณหรือความแน่นอน . นี้ช่วยให้เราในการจัดอันดับการฝึกอบรมและตัวอย่างการทดสอบการจัดอันดับผู้ซื้อไม่ ( จากมากที่สุดผู้ซื้อมีโอกาสน้อยที่สุด ) ทำให้มันเป็นไปได้เพื่อเลือกหมายเลขใด ๆของผู้ซื้อมักจะสำหรับการส่งเสริมการขาย นอกจากนี้ยังมีความแตกต่างระหว่างปรับเลือกลูกค้าที่จะใช้วิธีการที่แตกต่างกันของการส่งเสริมการขาย ดังนั้นเราจึงต้องเรียนรู้กลไกที่สามารถผลิตความน่าจะเป็นการประมาณหรือปัจจัยความแน่นอนเราจะหารือเกี่ยวกับขั้นตอนวิธีการเช่นที่เราใช้ในส่วนที่ 5.1