We found no significant differences

We found no significant differences among models M3 and
M4 that means that these two models achieved almost the
same test error rate in Table III and almost the same Type II
and Type I error in Tables IV and V, for different training
size. It is obvious from Table III, that test error rate decreases
proportionally to the learning sample size, this improvement
can be suitable to the estimate of models’ parameters which
become more precise with the increase of the training data
size. Tables IV and V, shows that Type II error and Type I
proportionally decrease to the design sample size, these results
prove the importance of the population size in classification.
As shown in Table III, the test error rate of the two previous
models achieved 0.308 which is the lowest rate of misclassified
instances, according to this first criterion these models are the
two best classification models. For the remaining models, we
remark that models M5 and M6 also achieved good results,
followed by model M2, the left behind two models generate
the most raised test error rate, specially model M1 which
appears the worst one.
Test error rate, however measured, is only one aspect
of performance, this criterion may not be the most precise
one, further misclassification rate can be another aspect of
performance, so each model is evaluated by assessing Type I
and II error rate. We remind that the cut-off threshold used
in this case study is 0.5 for this threshold, all the applicants
whose estimated probability of non-reliability P(Y = 0) is
less than 0.5 are assessed as non-reliable applicants, otherwise
they are classified as reliable. In Table IV model M1 and M7
achieved 0.185 and 0.203 error rate, which are the lowest Type
II error rate, in other hand models M5 and M6, followed by
M2 have the most raised rate, this kind of error arise when
a reliable applicant is predicted as non-reliable. Models M5
and M6 are less efficient in the reliable applicants prediction.
Table V summarize Type I error for the seven models. A
Type I error means taking a non-reliable client and predicting

ผลลัพธ์ (ไทย) 1:

เราพบไม่แตกต่างกันระหว่างรุ่น M3 และM4 ที่หมายความ ว่า รุ่นสองเหล่านี้ทำได้เกือบจะอัตราข้อผิดพลาดการทดสอบเดียวกันในตาราง III และเกือบ II ที่ชนิดเดียวกันพิมพ์ฉันข้อผิดพลาดในตาราง IV และ V การฝึกอบรมแตกต่างกันขนาด เป็นที่ชัดเจนจากตาราง III ที่ทดสอบลดอัตราข้อผิดพลาดสัดส่วนการเรียนรู้ตัวอย่างขนาด ปรับปรุงนี้ได้อย่างเหมาะสมกับพารามิเตอร์ของแบบจำลองที่กลายเป็นชัดเจนมากขึ้น ด้วยการเพิ่มข้อมูลการฝึกอบรมขนาด ตาราง IV และ V แสดงให้เห็นว่าพิมพ์ผิดพลาด II และพิมพ์ฉันลดสัดส่วนการออกแบบตัวอย่างขนาด ผลลัพธ์เหล่านี้พิสูจน์ความสำคัญของขนาดประชากรจัดประเภทดังแสดงในตาราง III อัตราข้อผิดพลาดการทดสอบสองก่อนหน้านี้รุ่นสำเร็จ 0.308 ที่ต่ำสุดของงานอินสแตนซ์ ตามเกณฑ์นี้แรกที่รูปแบบเหล่านี้รูปแบบประเภทดีสอง สำหรับรุ่นที่เหลือ เราหมายเหตุที่รุ่น M5 และ M6 ยังได้ผลลัพธ์ที่ดีตาม ด้วยรุ่น M2 ซ้ายหลังรุ่นสองสร้างยกสุดทดสอบอัตราข้อผิดพลาด พิเศษรุ่น M1 ซึ่งหนึ่งเลวร้ายที่สุดแล้วอัตราข้อผิดพลาดการทดสอบ วัดอย่างไรก็ตาม เป็นมุมมองเดียวผล เกณฑ์นี้อาจไม่แม่นยำที่สุดหนึ่ง เพิ่มเติม misclassification อัตราสามารถด้านอื่นพิมพ์ประสิทธิภาพ เพื่อให้แต่ละรุ่นจะถูกประเมิน โดยการประเมินผมและ II อัตราข้อผิดพลาด เราเตือนขีดจำกัดตัดใช้ในกรณีนี้ การศึกษาคือ 0.5 สำหรับขีดจำกัดนี้ ผู้สมัครทั้งหมดwhose estimated probability of non-reliability P(Y = 0) isless than 0.5 are assessed as non-reliable applicants, otherwisethey are classified as reliable. In Table IV model M1 and M7achieved 0.185 and 0.203 error rate, which are the lowest TypeII error rate, in other hand models M5 and M6, followed byM2 have the most raised rate, this kind of error arise whena reliable applicant is predicted as non-reliable. Models M5and M6 are less efficient in the reliable applicants prediction.Table V summarize Type I error for the seven models. AType I error means taking a non-reliable client and predicting

ผลลัพธ์ (ไทย) 2:

เราพบว่าไม่มีความแตกต่างในหมู่รุ่น M3 และ
M4
ซึ่งหมายความว่าทั้งสองรุ่นที่ประสบความสำเร็จเกือบอัตราความผิดพลาดการทดสอบเดียวกันในตารางที่III
และเกือบประเภทเดียวกันครั้งที่สองและประเภทข้อผิดพลาดในตารางที่IV และ V
สำหรับการฝึกอบรมที่แตกต่างกันขนาด จะเห็นได้ชัดจากตารางที่สามที่อัตราความผิดพลาดการทดสอบลดลงตามสัดส่วนกับขนาดตัวอย่างการเรียนรู้การปรับปรุงนี้สามารถที่เหมาะสมกับประมาณการของพารามิเตอร์รุ่น'ซึ่งกลายเป็นที่แม่นยำมากขึ้นกับการเพิ่มขึ้นของข้อมูลการฝึกอบรมขนาด ตาราง IV และ V แสดงให้เห็นว่า Type II ข้อผิดพลาดและประเภทสัดส่วนลดลงขนาดของกลุ่มตัวอย่างการออกแบบผลลัพธ์เหล่านี้พิสูจน์ให้เห็นความสำคัญของขนาดของประชากรในการจัดหมวดหมู่. ดังแสดงในตารางที่สามการทดสอบอัตราความผิดพลาดของทั้งสองก่อนหน้านี้รุ่นที่ประสบความสำเร็จ 0.308 ซึ่งเป็นอัตราต่ำสุดของการแบ่งกรณีตามเกณฑ์แรกนี้รุ่นนี้เป็นรุ่นที่ดีที่สุดของการจำแนกประเภทสอง สำหรับรุ่นที่เหลือเราสังเกตว่า M5 รุ่นและ M6 ยังบรรลุผลที่ดีตามมาด้วยรุ่นM2 ซ้ายที่อยู่เบื้องหลังสองรุ่นสร้างการทดสอบยกมากที่สุดอัตราความผิดพลาดโดยเฉพาะรุ่นM1 ซึ่งปรากฏหนึ่งที่เลวร้ายที่สุด. ทดสอบอัตราความผิดพลาดวัดอย่างไร เป็นเพียงแง่มุมหนึ่งของประสิทธิภาพเกณฑ์นี้อาจจะไม่แม่นยำที่สุดอย่างใดอย่างหนึ่งต่อไปอัตราจำแนกสามารถด้านอื่นของประสิทธิภาพการทำงานเพื่อให้แต่ละรุ่นได้รับการประเมินโดยการประเมินType I และ II อัตราความผิดพลาด เราเตือนว่าเกณฑ์การตัดที่ใช้ในการศึกษากรณีนี้คือ 0.5 สำหรับเกณฑ์นี้ผู้สมัครทุกคนที่มีความน่าจะเป็นที่คาดไม่น่าเชื่อถือP (Y = 0) เป็นน้อยกว่า0.5 มีการประเมินว่าผู้สมัครที่ไม่น่าเชื่อถือมิฉะนั้นพวกเขาจะจัดเป็นที่น่าเชื่อถือ ในตารางที่ IV รุ่น M1 และ M7 ประสบความสำเร็จ 0.185 และ 0.203 อัตราความผิดพลาดซึ่งเป็นประเภทที่ต่ำที่สุดที่สองอัตราความผิดพลาดในรุ่นมืออื่นๆ M5 และ M6 ตามด้วยM2 มีอัตราการยกมากที่สุดชนิดของข้อผิดพลาดนี้เกิดขึ้นเมื่อผู้สมัครที่เชื่อถือได้เป็นคาดการณ์ว่าไม่ใช่ที่เชื่อถือได้ รุ่น M5 และ M6 มีประสิทธิภาพน้อยลงในการทำนายผู้สมัครที่เชื่อถือได้. ตาราง V สรุปความผิดพลาดประเภทสำหรับเจ็ดรุ่น ข้อผิดพลาดประเภทหมายถึงลูกค้าที่ไม่น่าเชื่อถือและมีการคาดการณ์

ผลลัพธ์ (ไทย) 3:

เราไม่พบความแตกต่างระหว่างรุ่น M3 และ M4
หมายความว่าทั้งสองรุ่นได้เกือบ
แบบทดสอบอัตราความผิดพลาดในรางที่สาม และเกือบชนิดเดียวกัน 2
แล้วความผิดพลาดประเภทที่ 1 ตารางที่ 4 และ 5 สำหรับการฝึกอบรม
ขนาดแตกต่างกัน จะเห็นได้จากตารางที่ 3 ที่ทดสอบอัตราความผิดพลาดลดลงตามส่วนขนาดตัวอย่าง

นี้ปรับปรุงการเรียนรู้สามารถเหมาะกับการโมเดลพารามิเตอร์ซึ่ง
กลายเป็นแม่นกว่ากับการเพิ่มขึ้นของการฝึกอบรมข้อมูล
ขนาด ตารางที่ 4 และ 5 พบว่า ชนิดที่ ๒และประเภทฉัน
สัดส่วนลดลงการออกแบบขนาดตัวอย่าง ผลลัพธ์เหล่านี้
พิสูจน์ความสำคัญของขนาดประชากรในการจำแนก
ดังแสดงในตารางที่ 3 ทดสอบอัตราความผิดพลาดของทั้งสองรุ่นก่อนหน้านี้ได้
0308 ซึ่งเป็นคะแนนต่ำสุดของ misclassified
กรณีตามเกณฑ์แรกรุ่นเหล่านี้
สองที่ดีที่สุดการจำแนกรุ่น สำหรับรุ่นที่เหลือ เราว่ารุ่น M5 M6
หมายเหตุ และยังได้รับผลดี
ตามด้วยรุ่น M2 , ทิ้งไว้สองรุ่นสร้าง
ที่สุดยกข้อผิดพลาดการทดสอบคะแนน , รุ่นพิเศษที่ปรากฏขึ้นที่เลวร้ายที่สุด M1
.
อัตราความผิดพลาดของการทดสอบวัดได้แต่เพียงแง่มุมหนึ่ง
การปฏิบัติงาน เกณฑ์นี้อาจจะไม่แม่นยำมาก
1 คะแนนผิดพลาดเพิ่มเติมสามารถด้านอื่นของ
ประสิทธิภาพ ดังนั้นแต่ละรุ่นจะถูกประเมิน โดยการประเมินประเภท
อัตราความผิดพลาด 2 เราเตือนว่า ตัดเกณฑ์ใช้
ในกรณีศึกษานี้คือ 0.5 สำหรับเกณฑ์นี้ ผู้สมัครทั้งหมด
ที่มีประมาณความน่าจะเป็นที่ไม่มีค่า P ( Y = 0 )
น้อยกว่า 0.5 จะประเมินเป็นผู้สมัครที่น่าเชื่อถือ ไม่มิฉะนั้น
จัดเป็นที่เชื่อถือได้ ในรูปแบบตาราง 4 M1 และ M7
สำเร็จและอัตรา 0.185 - ข้อผิดพลาดที่สุดชนิด
2 อัตราความผิดพลาดในมืออื่น ๆและรุ่น M5 M6
m2 มีมากที่สุด ตามด้วยยกคะแนนนี้ชนิดของข้อผิดพลาดเกิดขึ้นเมื่อ
เป็นผู้สมัครที่น่าเชื่อถือได้ เช่น ไม่มีความน่าเชื่อถือ รุ่น M5
ไฟมีประสิทธิภาพน้อยกว่าในการทำนายผู้สมัครที่น่าเชื่อถือ
v ตารางสรุปประเภทที่ 1 ใน 7 รุ่น a
ความผิดพลาดประเภทที่ 1 หมายถึงการดูแลลูกค้าและทำนายไม่น่าเชื่อถือ