Discussion A very important charact

Discussion
A very important characteristic of ChiMerge is robustness. While it will sometimes do slightly worse than other algorithms, the user can be fairly confident that ChiMerge will seldom miss important intervals or choose an interval boundary when there is obviously a better choice. In contrast, the equal-width-intervals and equal-frequency-intervals methods can produce extremely poor discretizations for certain attributes, as discussed earlier. Another feature is ease of use; while
discretization quality is affected by parameter settings, choosing a x2-threshold between the .90 and .99 significance level and max-intervals to a moderate value (e.g., 5 to 15) will generally produce a good discretization (some qualifications are discussed later). A major
source of robustness is that unlike the simple methods,
ChiMerge takes the class of the examples into consider-
ation when constructing intervals and adjusts the num-
ber of intervals created according to the characteristics
of the data. In addition, ChiMerge is applicable to
multi-class learning (i.e., domains with more than two

ผลลัพธ์ (ไทย) 1:

การอภิปราย
ลักษณะที่สำคัญมากของ chimerge เป็นความเข้มแข็ง ในขณะที่บางครั้งจะทำเลวร้ายยิ่งกว่าเล็กน้อยขั้นตอนวิธีการอื่น ๆ ผู้ใช้จะมีความมั่นใจเป็นธรรมที่ chimerge ไม่ค่อยจะพลาดช่วงเวลาที่สำคัญหรือเลือกขอบเขตช่วงเวลาเมื่อมีจะเห็นได้ชัดเป็นทางเลือกที่ดีกว่า ในทางตรงกันข้ามเท่ากับความกว้างช่วงเวลาและวิธีการเท่ากันความถี่ช่วงเวลาสามารถผลิต discretizations ดีมากสำหรับคุณลักษณะบางอย่างตามที่กล่าวไว้ก่อนหน้านี้ คุณสมบัติอีกประการหนึ่งคือความสะดวกในการใช้งานในขณะที่ไม่ต่อเนื่องที่มีคุณภาพ
รับผลกระทบจากการตั้งค่าพารามิเตอร์การเลือก x2 เกณฑ์ระหว่างระดับนัยสำคัญ .90 และ .99 และสูงสุดช่วงเวลาเป็นค่าปานกลาง (เช่น5-15) โดยทั่วไปจะผลิตไม่ต่อเนื่องที่ดี (มีคุณสมบัติบางอย่างที่จะกล่าวถึงต่อไป) ที่สำคัญ
แหล่งที่มาของความเข้มแข็งที่แตกต่างจากวิธีการที่ง่าย
chimerge ใช้เวลาการเรียนของตัวอย่างในการพิจารณา ation-
เมื่อสร้างช่วงเวลาและปรับเบอร์จาน
ของช่วงเวลาที่สร้างขึ้นตามลักษณะของข้อมูล
นอกจากนี้ chimerge ใช้ได้กับ
หลายชั้นเรียน (เช่นโดเมนที่มีมากกว่าสอง

ผลลัพธ์ (ไทย) 2:

สนทนา
เสถียรภาพเป็นลักษณะสำคัญของ ChiMerge ในขณะที่จะบางครั้งทำอะไรเล็กน้อยแย่กว่าอัลกอริทึมอื่น ผู้ใช้สามารถมั่นใจว่า ChiMerge จะค่อยพลาดช่วงสำคัญ หรือเลือกขอบเขตของช่วงเวลาแน่นอนมีทางเลือกที่ดีได้ ในทางตรงกันข้าม วิธีการช่วง เวลาความกว้างเท่ากัน และเท่ากับความถี่ช่วงสามารถผลิต discretizations ดีมากสำหรับบางแอตทริบิวต์ ตามที่อธิบายไว้ก่อนหน้านี้ คุณสมบัติก็คือ ความง่ายในการใช้งาน ในขณะที่
discretization คุณภาพที่ได้รับผลกระทบจากการตั้งค่าพารามิเตอร์ การเลือกขีดจำกัด x 2 ระหว่าง.90 และ.99 ระดับความสำคัญสูงสุดที่ช่วงค่าปานกลาง (เช่น 5 15) โดยทั่วไปจะผลิตการ discretization ดี (คุณสมบัติบางอย่างจะกล่าวในภายหลัง) หลักการ
แหล่งเสถียรภาพเป็นที่แตกต่างจากวิธีง่าย,
ChiMerge คลาสของตัวอย่างที่จะเข้าพิจารณา-
ation เมื่อสร้างช่วง และปรับ num -
ber ของช่วงสร้างลักษณะ
ของข้อมูล นอกจากนี้ ChiMerge เป็น
เรียนรู้หลายระดับ (เช่น โดเมนที่ มีมากกว่าสอง

ผลลัพธ์ (ไทย) 3:

ชุดประชุม
ที่สำคัญเป็นอย่างมากและมีลักษณะเป็น chimerge มีความแข็งแกร่ง ในขณะที่จะทำกันเล็กน้อยที่แย่ไปกว่านั้นมากกว่าอัลกอริธึมอื่นๆบางครั้งผู้ใช้จะสามารถได้รับค่อนข้างมั่นใจว่า chimerge จะไม่ค่อยพลาดช่วงสำคัญหรือเลือกเขตช่วงเวลาเมื่อมีเห็นได้ชัดว่าเป็นทางเลือกที่ดีกว่า ในความเปรียบต่างวิธีการเท่ากับความกว้าง - ช่วงและเท่ากับ - ความถี่ - ช่วงที่สามารถผลิต discretizations ผู้น่าสงสารเป็นอย่างมากสำหรับแอตทริบิวต์บางอย่างตามที่กล่าวไว้ก่อนหน้า ความโดดเด่นอื่นๆคือการใช้งานง่ายในขณะที่ คุณภาพ
discretization ได้รับผลกระทบจากการตั้งค่าพารามิเตอร์การเลือก X 2 - ค่าขีดจำกัดระหว่าง .90 และ .99 และมีความสำคัญระดับสูงสุด( MAX ) - ช่วงที่เป็นค่าระดับปานกลาง(เช่น5 ถึง 15 )จะผลิต discretization ที่ดี(คุณสมบัติบางอย่างจะกล่าวถึงใน ภายหลัง )โดยทั่วไปแล้ว ที่สำคัญ
แหล่งที่มาของความแข็งแกร่งเป็นที่ไม่เหมือนกับวิธีการแบบเรียบง่ายที่
chimerge ใช้เวลา class ของตัวอย่างที่เข้าพิจารณา -
การเมื่อสร้างในแต่ละช่วงและปรับเหาะ NUM lock -
ของในแต่ละช่วงสร้างขึ้นตามคุณลักษณะของ
ของข้อมูลที่ นอกจากนี้ chimerge ใช้ได้กับสัญลักษณ์
มัลติ - class การเรียนรู้(เช่นโดเมนพร้อมด้วยมากกว่าสอง