the bootstrap method samples the gi

the bootstrap method samples the given training tuples uniformly with replacement. That is, each time a tuple is selected, it is equally likely to be selected again and re-added to the training set.

For instance, imagine a machine that randomly selects tuples for our training set.
In sampling with replacement, the machine is allowed to select the same tuple more than once.

ผลลัพธ์ (ไทย) 1:

วิธีการเริ่มต้นตัวอย่าง tuples กำหนดฝึกอบรมอย่างสม่ำเสมอกับแทน คือ เวลาแต่ละ tuple ถูกเลือก เป็นเท่าเทียมกันได้เลือกอีก หรือเพิ่มลงในชุดฝึกอบรมใหม่ เช่น คิดเครื่องที่แบบสุ่มเลือก tuples ชุดฝึกของเรา ในการสุ่มตัวอย่างกับเปลี่ยน เครื่องได้รับอนุญาตให้เลือก tuple เดียวกันมากกว่าหนึ่งครั้ง

ผลลัพธ์ (ไทย) 2:

ตัวอย่างวิธีการบูต tuples การฝึกอบรมได้รับอย่างสม่ำเสมอด้วยการเปลี่ยน นั่นคือทุกครั้งที่มี tuple เลือกมันเป็นอย่างเท่าเทียมกันมีแนวโน้มที่จะได้รับเลือกอีกครั้งและเพิ่มให้กับชุดการฝึกอบรม. ยกตัวอย่างเช่นจินตนาการเครื่องที่สุ่มเลือก tuples สำหรับชุดการฝึกอบรมของเรา. ในการสุ่มตัวอย่างด้วยการเปลี่ยนเครื่องเป็น ได้รับอนุญาตให้เลือก tuple เดียวกันมากกว่าหนึ่งครั้ง

ผลลัพธ์ (ไทย) 3:

วิธีบูตสแตรปตัวอย่างการฝึกอบรมที่มีให้โดยมีตัวแทน คือว่าเวลาแต่ละทูเปิลจะถูกเลือก มีโอกาสเท่าเทียมกันที่จะได้รับเลือกอีกครั้ง และจะเพิ่มการตั้งค่าตัวอย่าง สมมติเครื่องที่สุ่มเลือกสำหรับการฝึกอบรมของเราที่มีการตั้งค่าในการสุ่มตัวอย่างกับแทน เครื่องจะให้เลือก tuple เดียวกันมากกว่าหนึ่งครั้ง