4.2.2. Separate training and test d

4.2.2. Separate training and test data – single season
The results for the 1995/1996 season showed the average
classiWcation error to be 7.41% and 3.70% higher for the
general and expert data sets, respectively. However, for the
1996/1997 season the general model classiWcation error was
7.41% lower while that for expert data set model increased
by 3.70%. Most classiWers achieved better results for the
1996/1997 season than the 1995/1996 season which may
indicate greater stability in the team in the later season.
4.2.3. Separate training and test data – cross seasons
The cross season results for the naive Bayesian learner
were roughly comparable to its in-season results. Overall it
achieved a classiWcation accuracy of 33.09% and 35.29% for
the general and expert models which only bettered the most
common classiWer by 0.98% and 3.18%, respectively. Ignoring
the case using the same training and test data for the
complete seasons, the naive Bayesian learner came out second
best overall on the general model and Wfth overall on
the expert model.
4.3. Data driven Bayesian learner
The BNs for the data driven Bayesian learner were generated
using the structural learning wizard from the Hugin
Developer version 6.1 program. The process used was to
run the program using an initial Level of Significance
of 0.1. If no link directed to the result node was
formed the process was rerun doubling the Level of
Significance until a network with at least one link
directed to the result node was achieved. Since, in this problem
all of the nodes except the result node have their values
speciWed any nodes in the network with no links directed to
the result node were removed. The remaining network was
used for the testing. The overall classiWcation error of the
various learnt networks for disjoint training and test data
sets was 67.69% and 67.38% for the general and expert
models, respectively.

ผลลัพธ์ (ไทย) 1:

4.2.2 การแยกการฝึกอบรม และทดสอบข้อมูล – ฤดูกาลเดียวผลลัพธ์สำหรับฤดูกาล 1995/1996 พบว่าค่าเฉลี่ยข้อผิดพลาด classiWcation 7.41% และ 3.70% สูงในการข้อมูลทั่วไป และผู้เชี่ยวชาญชุด ตามลำดับ อย่างไรก็ตาม ในการฤดูกาล 1996/1997 ข้อผิดพลาด classiWcation รุ่นทั่วไปคือ7.41% ต่ำกว่าในขณะที่สำหรับรูปแบบชุดข้อมูลผู้เชี่ยวชาญเพิ่มขึ้น3.70% ClassiWers ส่วนใหญ่ได้ผลดีในการฤดูกาล 1996/1997 กว่าฤดูกาล 1995/1996 ซึ่งอาจบ่งชี้ความมั่นคงมากกว่าในทีมในฤดูกาลต่อไป4.2.3 การแยกการฝึกอบรม และทดสอบข้อมูล – ข้ามฤดูกาลผลระหว่างกาลสำหรับเรียนทฤษฎีขำน่าได้ประมาณเทียบเท่ากับผลของมันในฤดูกาล โดยรวมนั้นได้ความ classiWcation 33.09% และ 35.29%ทั่วไปและผู้เชี่ยวชาญรุ่นที่เดียว bettered มากที่สุดclassiWer ทั่วไป โดย 0.98% และ 3.18% ตามลำดับ ละเว้นกรณีใช้ข้อมูลเดียวกับการฝึกอบรมและทดสอบสำหรับการซีซั่นที่สมบูรณ์ เรียนทฤษฎีขำน่าออกมาสองโดยรวมดีที่สุดในรุ่นทั่วไปและ Wfth โดยรวมในแบบใช้4.3 การควบคุมผู้เรียนทฤษฎีข้อมูลสร้าง BNs สำหรับข้อมูลการควบคุมผู้เรียนทฤษฎีใช้ตัวช่วยสร้างการเรียนรู้โครงสร้างจาก Huginนักพัฒนาโปรแกรมรุ่น 6.1 กระบวนการที่ใช้ได้เรียกใช้โปรแกรมโดยใช้ระดับนัยสำคัญเป็นต้นของ 0.1 ถ้าไม่เชื่อมโยงโดยตรงไป โหนผลรูปแบบกระบวนการที่รันจะระดับของความสำคัญจนถึงเครือข่ายด้วยการเชื่อมโยงน้อยโดยตรงกับผล สำเร็จโหน ตั้งแต่ ในปัญหานี้ทั้งหมดของโหนดยกเว้นโหนผลลัพธ์มีค่าspeciWed โหนดใด ๆ ในเครือข่าย มีการเชื่อมโยงไม่ถูกนำไปโหนผลถูกเอาออก เครือข่ายที่เหลือถูกใช้สำหรับการทดสอบ ข้อผิดพลาด classiWcation โดยรวมของการเครือข่าย learnt ต่าง ๆ สำหรับข้อมูลฝึกอบรมและทดสอบตัวชุดถูก 67.69% และ 67.38% สำหรับทั่วไปและผู้เชี่ยวชาญโมเดล ตามลำดับ

ผลลัพธ์ (ไทย) 2:

4.2.2 การฝึกอบรมแยกต่างหากและข้อมูลการทดสอบ - ฤดูกาลเดียว
ผลสำหรับฤดูกาล 1995/1996 พบว่าค่าเฉลี่ย
ความผิดพลาด classiWcation เป็น 7.41% และ 3.70% ที่สูงขึ้นสำหรับ
ชุดข้อมูลทั่วไปและผู้เชี่ยวชาญตามลำดับ แต่สำหรับ
ในฤดูกาล 1996/1997 ข้อผิดพลาดแบบ classiWcation ทั่วไปเป็น
7.41% ลดลงในขณะที่ข้อมูลจากผู้เชี่ยวชาญกำหนดรูปแบบเพิ่มขึ้น
จาก 3.70% classiWers ส่วนใหญ่บรรลุผลที่ดีกว่าสำหรับ
ฤดูกาล 1996/1997 กว่าฤดูกาล 1995/1996 ซึ่งอาจ
บ่งบอกถึงความมีเสถียรภาพมากขึ้นในทีมในฤดูกาลต่อมา
4.2.3 การฝึกอบรมแยกต่างหากและข้อมูลการทดสอบ - ฤดูกาลข้าม
ฤดูข้ามผลประโยชน์ของผู้เรียนแบบเบย์ไร้เดียงสา
อยู่ใกล้เคียงกับผลการดำเนินงานในฤดูกาล โดยรวมก็
ประสบความสำเร็จในความถูกต้อง classiWcation ของ 33.09% และ 35.29% สำหรับ
รุ่นทั่วไปและผู้เชี่ยวชาญเท่านั้นที่ดีขึ้นมากที่สุด
โดยทั่วไป classiWer 0.98% และ 3.18% ตามลำดับ ไม่สนใจ
กรณีที่ใช้การฝึกอบรมและการทดสอบข้อมูลเดียวกันสำหรับ
ฤดูกาลที่สมบูรณ์เรียนคชกรรมไร้เดียงสาออกมาครั้งที่สอง
โดยรวมที่ดีที่สุดในรูปแบบทั่วไปและ Wfth โดยรวมใน
รูปแบบผู้เชี่ยวชาญ
4.3 ข้อมูลที่ขับเคลื่อนด้วยการเรียนรู้แบบเบย์
BNs สำหรับข้อมูลขับเคลื่อนเรียนแบบเบย์ถูกสร้างขึ้น
โดยใช้ตัวช่วยสร้างการเรียนรู้โครงสร้างจาก Hugin
พัฒนาเวอร์ชั่น 6.1 โปรแกรม กระบวนการที่ใช้คือการ
รันโปรแกรมโดยใช้ระดับเริ่มต้นของความสำคัญ
ของ 0.1 หากการเชื่อมโยงไปยังโหนดผลไม่ได้
เกิดขึ้นเป็นกระบวนการที่วิ่งสองเท่าของระดับ
ความสำคัญจนเครือข่ายที่มีการเชื่อมโยงอย่างน้อยหนึ่ง
ไปยังโหนดผลก็ประสบความสำเร็จ ตั้งแต่ในปัญหานี้
ทั้งหมดของโหนดยกเว้นโหนดผลมีค่าของพวกเขา
speciWed โหนดใด ๆ ในเครือข่ายที่มีการเชื่อมโยงที่ไม่นำไป
โหนดผลถูกถอดออก เครือข่ายที่เหลือถูก
ใช้สำหรับการทดสอบ ข้อผิดพลาด classiWcation โดยรวมของ
เครือข่ายการเรียนรู้ที่แตกต่างกันสำหรับการฝึกอบรมและการทดสอบเคล็ดข้อมูล
ชุดเป็น 67.69% และ 67.38% สำหรับทั่วไปและผู้เชี่ยวชาญ
รุ่นตามลำดับ

ผลลัพธ์ (ไทย) 3:

4.2.2 . การแยกและทดสอบข้อมูล–ฤดูกาลเดียว
ผล 1995 / 1996 ฤดู พบข้อผิดพลาด classiwcation เฉลี่ย
เป็น 7.41 % และ 3.70 % สูงกว่า
ทั่วไปและชุดข้อมูลผู้เชี่ยวชาญตามลำดับ อย่างไรก็ตาม สำหรับ
ฤดูกาล 1996 / 1997 รุ่นทั่วไป classiwcation ข้อผิดพลาด
7.41 ลดลงในขณะที่ข้อมูลผู้เชี่ยวชาญชุดรูปแบบเพิ่ม
โดย 3.70 %classiwers ส่วนใหญ่ได้รับผลลัพธ์ที่ดีกว่าสำหรับ
1996 / 1997 ฤดูกาล 1995 / 1996 กว่าฤดูกาลซึ่งอาจบ่งชี้ถึงเสถียรภาพมากกว่า
ในทีมในฤดูกาลต่อมา
4.2.3 . การแยกและทดสอบ–ข้อมูลข้ามฤดูกาลฤดูผลข้าม

เรียนแบบไร้เดียงสาเป็นประมาณเทียบเท่ากับผลของฤดูกาล โดยรวมมัน
ความ classiwcation ความถูกต้องของ 33.09 35.29 %
% และทั่วไปและผู้เชี่ยวชาญที่ classiwer bettered โดยรุ่นที่พบมากที่สุด
โดย 0.98 % และ 3.18 ตามลำดับ ไม่สนใจ
กรณีใช้แบบฝึกและทดสอบข้อมูลสำหรับ
ฤดูกาลสมบูรณ์ ผู้เรียนแบบไร้เดียงสาออกมาสอง
ที่ดีที่สุดโดยรวมในรูปแบบทั่วไป และ wfth โดยรวมในด้านรูปแบบ
.
4.3 . ข้อมูลขับเคลื่อนการเรียนรู้
ส์โดย BNS สำหรับข้อมูลขับเคลื่อนแบบผู้เรียนถูกสร้างขึ้นโดยใช้การเรียนรู้โครงสร้างตัว

hugin รุ่น 6.1 จากผู้พัฒนาโปรแกรม กระบวนการที่ใช้เพื่อเรียกใช้โปรแกรมที่ใช้

ระดับเริ่มต้นของความสำคัญของ 0.1 ถ้าไม่มีการเชื่อมโยงโดยตรง ผลที่เกิดขึ้นคือ
โหนดกระบวนการฉายซ้ำขึ้นระดับ
ความสำคัญจนกว่าเครือข่ายอย่างน้อยหนึ่งการเชื่อมโยง
กับผลโหนดได้บรรลุแล้ว ตั้งแต่ , ใน
ปัญหานี้ทั้งหมดของโหนดโหนดยกเว้นผลค่าของโหนดในเครือข่ายใด ๆ
speciwed ไม่มีการเชื่อมโยงโดยตรง

" ปมออก เครือข่ายที่เหลือคือ
ที่ใช้สำหรับการทดสอบ รวม classiwcation ข้อผิดพลาดของเครือข่ายเรียนรู้ต่าง ๆฝึก

ชุดข้อมูลทดสอบไม่ต่อเนื่องและเป็น 67.69 และร้อยละ 67ร้อยละ 38 สำหรับทั่วไปและผู้เชี่ยวชาญ
รุ่นตามลำดับ