The classifier made 34 mistakes on

The classifier made 34 mistakes on 900 training examples for an error rate of 3.8 percent. This is quite an improvement over the 13.9 percent training error rate we noted before adding boosting! However, it remains to be seen whether we see a similar improvement on the test data. Let's take a look:

ผลลัพธ์ (ไทย) 1:

ลักษณนามทำ 34 ข้อผิดพลาดในการฝึกอบรมตัวอย่าง 900 สำหรับอัตราการผิดพลาดถึงร้อยละ 3.8 นี้อยู่ค่อนข้างปรับปรุงอัตราข้อผิดพลาดร้อยละ 13.9 การฝึกอบรมที่เราบันทึกไว้ก่อนที่จะส่งเสริมเพิ่ม อย่างไรก็ตาม มันยังคงที่จะเห็นว่า เราเห็นการปรับปรุงที่คล้ายกันในข้อมูลการทดสอบ ลองมาดู:

ผลลัพธ์ (ไทย) 2:

ลักษณนามทำ 34 ข้อผิดพลาดในการฝึกอบรม 900 ตัวอย่างสำหรับอัตราความผิดพลาดร้อยละ 3.8 นี้ค่อนข้างปรับปรุงกว่าอัตราความผิดพลาดการฝึกอบรมร้อยละ 13.9 ที่เราตั้งข้อสังเกตก่อนที่จะเพิ่มการส่งเสริม! แต่ก็ยังคงที่จะเห็นว่าเราจะเห็นการปรับปรุงที่คล้ายกันในข้อมูลการทดสอบ ลองมาดู:

ผลลัพธ์ (ไทย) 3:

ลักษณนามว่าทำผิด 34 บน 900 ตัวอย่างการฝึกอบรมสำหรับข้อผิดพลาดในอัตรา 3.8 เปอร์เซ็นต์ มีการปรับปรุงมากกว่า 13.9 เปอร์เซ็นต์ อัตราการผิดพลาดเราไว้ก่อนที่จะเพิ่มการส่งเสริม ! อย่างไรก็ตาม มันยังคงที่จะเห็นได้ว่าเราเห็นการปรับปรุงที่คล้ายกันในข้อมูลทดสอบ มาดูกัน :