in particular,we focus on the well-

in particular,we focus on the well-known one-vs-one and one-vs-all decomposition strategies,paying special attention
to the final step of the ensembles,the combination of the outputs of the binary classifiers.

Our aim is to develop an empirical analysis of different aggregations to combine these outputs.To do so,we develop
a double study: first,we use different base classifiers in order to observe the suitability and potential of
each combination with in eachclassifier. Then,we compare the performance of these ensemble
techniques with the classifiers’themselves. Hence,we also analyse the improvement with respect to
the classifiers that handle multiple classes inherently.

ผลลัพธ์ (ไทย) 1:

โดยเฉพาะอย่างยิ่ง เราเน้นรู้จัก-vs-หนึ่งและแยกส่วนประกอบทั้งหมดเทียบกับหนึ่งกลยุทธ์ ให้ความสนใจพิเศษขั้นตอนสุดท้ายของวง ชุดแสดงผลของคำนามภาษาไบนารีเป้าหมายของเราคือการ พัฒนาการวิเคราะห์ผลรวมต่าง ๆ เหล่านี้แสดงผลรวม ทำได้ เราพัฒนาการศึกษาคู่: ครั้งแรก ใช้คำนามภาษาพื้นฐานที่แตกต่างกันเพื่อพิจารณาถึงความเหมาะสมและศักยภาพของแต่ละชุดกับใน eachclassifier จากนั้น เราเปรียบเทียบประสิทธิภาพของวงดนตรีเหล่านี้เทคนิคกับการ classifiers'themselves ดังนั้น เรายังวิเคราะห์ปรับปรุงกับ respect เพื่อคำนามภาษาที่เรียนหลายความ

ผลลัพธ์ (ไทย) 2:

โดยเฉพาะอย่างยิ่งเรามุ่งเน้นที่รู้จักกันดีอย่างใดอย่างหนึ่งครับหนึ่งและเป็นหนึ่งเทียบกับทุกกลยุทธ์การสลายตัวให้ความสนใจเป็นพิเศษ
กับขั้นตอนสุดท้ายตระการตา, การรวมกันของผลของจําแนกไบนารี. จุดมุ่งหมายของเราคือการพัฒนา การวิเคราะห์เชิงประจักษ์ของการรวมที่แตกต่างกันที่จะรวม outputs.To เหล่านี้เพื่อให้เราพัฒนาการศึกษาคู่แรกที่เราใช้ลักษณนามฐานที่แตกต่างกันในการที่จะปฏิบัติตามความเหมาะสมและศักยภาพของแต่ละคนมีการรวมกันใน eachclassifier จากนั้นเราจะเปรียบเทียบประสิทธิภาพของชุดเหล่านี้มีเทคนิค classifiers'themselves ดังนั้นเรายังวิเคราะห์การปรับปรุงเกี่ยวกับการแยกประเภทที่จัดการเรียนหลายอย่างโดยเนื้อแท้

ผลลัพธ์ (ไทย) 3:

โดยเรามุ่งเน้นที่เป็นที่หนึ่งและหนึ่ง vs กลยุทธ์การย่อยสลายทั้งหมด จ่าย
เป็นพิเศษ ในขั้นตอนสุดท้ายของการผสม , การรวมกันของผลของคำไบนารี .

เป้าหมายของเราคือการพัฒนาเชิงประจักษ์การวิเคราะห์การรวมแตกต่างกันรวมผลงานเหล่านี้ ทำให้เราพัฒนา
ศึกษาคู่แรกเราใช้คำที่แตกต่างกันเพื่อรักษาฐานทรัพยากรและศักยภาพของแต่ละชุดด้วย
eachclassifier . งั้น เราเปรียบเทียบประสิทธิภาพของเทคนิค ensemble
เหล่านี้กับ classifiers'themselves . ดังนั้น เรายังวิเคราะห์ปรับปรุงด้วยความเคารพ
คำลักษณนามที่จัดการเรียนหลาย ๆอย่างโดยเนื้อแท้ .