A Simple ExampleStatistical modelin

A Simple Example
Statistical modeling is a sequential process in which
one gradually refines the model to provide a better
and better fit to the distributions from which the
data were drawn. In general, the earlier stages in this
process yield greater improvement in model fit than
later stages. Furthermore, if one looks at the historical
development of classification methods, then the
earlier approaches involve relatively simple structures
(e.g., the linear forms of linear or logistic discriminant
analysis), while more recent approaches
involve more complicated structures (e.g., the decision
surfaces of neural networks or support vector
machines). It follows that the simple approaches will
have led to greater improvement in predictive performance
than the later approaches which are necessarily
trying to improve on the predictive performance
obtained by the simpler earlier methods. Put
another way, there is a law of diminishing returns.
Although this paper is concerned with supervised
classification problems, it is illuminating to examin

ผลลัพธ์ (ไทย) 1:

ตัวอย่างง่าย ๆ เช่นสร้างโมเดลทางสถิติเป็นกระบวนการตามลำดับที่หนึ่งค่อย ๆ ปรุงแบบให้ดีกว่าและเหมาะสมเพื่อการแจกจ่ายซึ่งจะมีดึงข้อมูล โดยทั่วไป ขั้นตอนก่อนหน้านี้ปรับปรุงมากกว่าผลผลิตของกระบวนการในรูปแบบที่เหมาะสมกว่าขั้นตอนต่อไป นอกจากนี้ หากมองที่ประวัติศาสตร์ที่พัฒนาวิธีการจัดประเภท นั้นวิธีก่อนหน้านี้เกี่ยวข้องกับโครงสร้างที่ค่อนข้างง่าย(เช่น เชิงเส้นรูปแบบเชิงเส้น หรือ logistic discriminantวิเคราะห์), ในขณะที่แนวทางล่าสุดเกี่ยวข้องกับโครงสร้างที่ซับซ้อนมากขึ้น (เช่น การตัดสินใจพื้นผิวของเครือข่ายประสาทหรือสนับสนุนเวกเตอร์เครื่องจักร) เป็นไปตามที่พักที่ใกล้จะได้นำไปสู่การปรับปรุงมากในการมอบประสิทธิภาพกว่าวิธีหลังซึ่งจำเป็นต้องพยายามปรับปรุงประสิทธิภาพในการทำงานได้ โดยง่ายกว่าวิธีการก่อนหน้านี้ ย้ายอีกทางหนึ่ง มีการกฎหมายของ diminishing กลับถึงแม้ว่ากระดาษนี้เกี่ยวข้องกับ แบบมีผู้สอนการจัดประเภทปัญหา เป็นสัญญาณการ examin

ผลลัพธ์ (ไทย) 2:

ตัวอย่างง่ายๆการสร้างแบบจำลองทางสถิติเป็นกระบวนการที่ต่อเนื่องในการที่หนึ่งค่อยๆกลั่นรูปแบบเพื่อให้ดีขึ้นและเหมาะสมดีกว่าที่จะกระจายจากการที่ได้ข้อมูลที่ถูกดึง โดยทั่วไปขั้นตอนก่อนหน้านี้ในขั้นตอนการปรับปรุงผลผลิตมากขึ้นในรูปแบบที่เหมาะสมกว่าขั้นตอนต่อมา นอกจากนี้หากมองที่ประวัติศาสตร์การพัฒนาวิธีการจัดหมวดหมู่แล้ววิธีการก่อนหน้านี้ที่เกี่ยวข้องกับโครงสร้างที่ค่อนข้างง่าย(เช่นในรูปแบบเชิงเส้นของเชิงเส้นหรือจำแนกโลจิสติกการวิเคราะห์) ในขณะที่วิธีการเมื่อเร็ว ๆ นี้ที่เกี่ยวข้องกับโครงสร้างที่ซับซ้อนมากขึ้น(เช่นการตัดสินใจที่พื้นผิวของเครือข่ายประสาทหรือการสนับสนุนเวกเตอร์เครื่อง) มันเป็นไปตามวิธีการที่ง่ายจะได้นำไปสู่การปรับปรุงประสิทธิภาพการทำงานที่มากขึ้นในการคาดการณ์กว่าวิธีต่อมาที่มีจำเป็นต้องพยายามที่จะปรับปรุงประสิทธิภาพในการคาดการณ์ได้โดยง่ายวิธีการก่อนหน้านี้ นำวิธีการอื่นที่มีกฎหมายของผลตอบแทนลดลงได้. แม้ว่าบทความนี้เป็นเรื่องที่เกี่ยวข้องกับการดูแลปัญหาการจัดหมวดหมู่ก็จะส่องสว่างไป Examin

ผลลัพธ์ (ไทย) 3:

ตัวอย่างง่ายๆ
สถิติแบบจำลองเป็นกระบวนการต่อเนื่องที่
หนึ่งค่อยๆการกลั่นแบบให้ดีขึ้นและดีขึ้นกับการกระจาย

ข้อมูลที่ถูกปิด ทั่วไป ขั้นตอนก่อนหน้านี้ในกระบวนการเพิ่มผลผลิตมากขึ้นในรูปแบบ

พอดีกว่า ขั้นตอนต่อมา นอกจากนี้ หากดูประวัติศาสตร์การพัฒนา

ของวิธีการจำแนกแล้วก่อนหน้านี้วิธีที่เกี่ยวข้องกับค่อนข้างง่ายโครงสร้าง
( เช่น รูปแบบเชิงเส้นเชิงเส้นหรือโลจิสติกการวิเคราะห์

) ในขณะที่ล่าสุดแนวทางเกี่ยวข้องกับความซับซ้อนมากขึ้นโครงสร้าง ( เช่นการตัดสินใจ
พื้นผิวของโครงข่ายประสาทเทียมหรือเครื่องเวกเตอร์
สนับสนุน ) มันเป็นไปตามที่วิธีง่ายๆจะได้นำไปสู่การปรับปรุงมากกว่า

งานพยากรณ์กว่าในภายหลัง วิธี ที่จะต้องพยายามที่จะปรับปรุงใน

ทำนายประสิทธิภาพได้โดยง่ายแล้ววิธีการ ใส่
วิธีอื่นมีพระเจ้าบรมโกศ .
ถึงแม้ว่าบทความนี้เกี่ยวข้องกับปัญหาการดูแล
เป็นแสงสว่างเพื่อศึกษา