Once a full classification of the la

Once a full classification of the latter case was constructed
graphically, single samples were removed from the pre-classified
“training set” and re-introduced as unknowns. The sensitivity and
specificity for this study were calculated using the success rate of
the K-nearest neighbour algorithm in re-classifying individual
blind samples, given the rest of the samples as a training set. Each
individual sample was re-classified, with the result being com-
pared to the actual group it belonged to. A tally of true and false
positives/negatives was compiled, with overall numbers being
used to calculate sensitivity and specificity using Eqs. (5) and (6)
shown below (TP is true positive, FP is false positive, TN is true
negative and FN is false negative).

ผลลัพธ์ (ไทย) 1:

เมื่อ classification เต็มกรณีหลังถูกสร้างขึ้นรูปภาพ ตัวอย่างเดียวออกจาก classified ก่อน"ชุดฝึกอบรม" และแนะนำอีกครั้งเป็น unknowns ระดับความสำคัญ และมีคำนวณโดยใช้อัตราความสำเร็จของ specificity สำหรับการศึกษานี้K ใกล้ neighbour อัลกอริทึมในการจัดประเภทแต่ละตาบอดตัวอย่าง ได้รับส่วนเหลือของตัวอย่างชุดฝึก แต่ละแต่ละอย่างถูก re-classified กับผลถูก com-pared กลุ่มจริงที่จะเป็นสมาชิก รวมของความจริงและเท็จทำงานผิดพลาด/ฟิล์มคอมไพล์ ด้วยโดยรวมเป็นตัวเลขใช้ในการคำนวณความไว specificity ใช้ Eqs (5) และ (6)แสดงอยู่ด้านล่าง (TP เป็นบวกจริง FP เป็นค่าบวกเท็จ TN เป็นจริงลบ และ FN เป็นลบปลอม)

ผลลัพธ์ (ไทย) 2:

เมื่อไอออนบวกจัดประเภทที่เต็มไปด้วยกรณีหลังนี้ถูกสร้างขึ้น
กราฟิกตัวอย่างเดียวที่ถูกถอดออกจากสายก่อนจัดประเภทเอ็ด
"การฝึกอบรมชุด" และอีกครั้งในการแนะนำว่าเป็นราชวงศ์ ไวและ
เมืองที่ระบุไว้สำหรับการศึกษานี้จะถูกคำนวณโดยใช้อัตราความสำเร็จของ
อัลกอริทึม K-เพื่อนบ้านที่ใกล้ที่สุดในเรื่องการจัดหมวดหมู่ของแต่ละบุคคล
ตัวอย่างคนตาบอดได้รับส่วนที่เหลือของกลุ่มตัวอย่างที่เป็นชุดฝึกอบรม แต่ละ
บุคคลตัวอย่างเป็นอีกครั้งที่จัดประเภทเอ็ด fi, กับผลที่ได้รับการสั่ง
เทียบกับกลุ่มที่เกิดขึ้นจริงมันเป็น นับของจริงและเท็จ
บวก / เชิงลบที่รวบรวมกับตัวเลขโดยรวมจะถูก
ใช้ในการคำนวณความไวและเมืองที่ระบุไว้โดยใช้สมการ (5) และ (6)
ที่แสดงด้านล่าง (TP เป็นจริงบวก FP เป็นเท็จบวก, เทนเนสซีเป็นความจริง
เชิงลบและ FN เป็นเท็จลบ)

ผลลัพธ์ (ไทย) 3:

เมื่อเต็ม classi จึงบวกคดีหลังถูกสร้างขึ้น
กราฟิกตัวอย่างเดียวถูกลบออกจาก pre classi จึงเอ็ด
" การฝึกอบรมชุด " และใช้เป็นสิ่งที่ไม่รู้ . ความไวและ
กาจึงเมืองการศึกษานี้คำนวณโดยใช้อัตราความสำเร็จของขั้นตอนวิธีการเพื่อนบ้านละกัน

ตัวอย่างแต่ละหมวดหมู่ในบอดให้ส่วนที่เหลือของตัวอย่างการตั้งค่า แต่ละ
ตัวอย่างบุคคลที่เป็นอีกครั้ง classi จึงเอ็ด กับผล com -
pared กับกลุ่มที่แท้จริงของใคร รวมของ True และ False
บวก / ลบได้รวบรวมตัวเลขโดยรวม
ใช้คำนวณความไวและเมืองจึงใช้ EQS speci . ( 5 ) และ ( 6 )
แสดงด้านล่าง ( TP เป็นจริงบวกค่าเป็นบวกเท็จ TN เป็นจริง
ลบและ FN เป็นเท็จเชิงลบ )