classified as illegal will be analy

classified as illegal will be analysed in a laboratory and then findlegal. On the contrary the percentage illegal samples classified aslegal should be as low as possible in order to limit the number ofillegal samples coming to the market.4.2.1. k-NNFor the data set in which the samples are divided in five classesthe best k-NN model was obtained using three nearest neighbourswith the Euclidean distance as similarity parameter. For the trainingset a cross validation error, evaluated with 10-fold cross validationof 0.4177 was obtained. This corresponds to a correct classifica-tion rate (ccr) of 70 samples of the 120. The ccr is low, though itwas observed that only 16 illegal samples were classified as legal.This corresponds to 24% of all illegal samples in the training set.Evaluation with the external test set showed that 20 of the 30 sam-ples in the external test set were classified correctly. From the 10remaining samples 4 illegal samples (one sample of respectivelyclass 1 and 3 and 2 samples of class 2) were unclassified and 6 weremisclassified. i.e. 1 sample of class 2 was misclassified as class 5, 1sample of class 4 was misclassified as class 3 and finally 4 samplesof class 5 were misclassified as class 2. These results are acceptablesince only one illegal samples was classified as legal.When modelling is repeated considering only the binary classi-fication legal/illegal a cross validation error of 0.3167 is obtained,corresponding to a correct classification of 82 samples of the 120 inthe training set. It was also seen that, as with the previous model, 16illegal samples were classified as legal. Evaluation with the externaltest set showed that all illegal samples were classified as illegal andthat 4 legal samples were classified as illegal. This means that thebinary k-NN model has a good performance for the discriminationof illegal samples.4.2.2. PLS-DAWith PLS-DA the best performing model for the five class classi-fication problem was obtained using nine PLS factors. The selectionof the optimal number of factors was performed using LOOCV andresulted in a cross validation error of 0.3667 or 76 samples of 120classified correctly. 16 of the 53 legal samples in the training setwere classified as belonging to one of the illegal classes, while 22illegal samples were classified as legal. When performing the evalu-ation with the external test set 22 of the 30 samples were classifiedcorrectly. This can be considered as a good ccr. When examining themisclassifications it was observed that a sample of class 2 and oneof class 3 were classified as legal (class 5), a sample of class 4 wasclassified as class 2 and five samples of the legal class were clas-sified in one of the illegal classes. This means that only two illegalsamples were considered as legal.Applying PLS-DA to the two class problem resulted in an optimalmodel of seven PLS factors. The model showed a cross validationerror of 0.2833 or 86 of the 120 samples classified correctly. Fromthe 34 samples misclassified, 13 illegals were classified as legal.Evaluation with the external test set showed two illegal samplesclassified as legal and 7 legals as illegal.4.2.3. SIMCAThe optimal SIMCA model for the five class classification prob-lem was obtained using two principal components to model classes1, 3 and 4 and three principal components for classes 2 and 5.Cross validation for this model resulted in a cross validation errorof 0.4083 or 71 samples of the 120 samples present in the trainingset correctly classified. From the misclassified samples six of the53 legal samples were classified in one of the illegal classes and38 illegal samples were classified as legal. These results showedalready that the model is not suited for purpose. When evaluat-ing with the external test set it was shown that all legal sampleswere correctly classified but eight illegal samples (1 of class 1, 4 ofclass 2, 1 of class 3 and 2 of class 4) were classified as legal. A totalccr for the external test set of 0.7333 or 22 of the 30 samples wasobtained.Repeating the analysis for the two class classification problemresulted in an optimal model using four principal components forclass 1 and three for class 2. The model showed a cross validationerror of 0.3000 or 84 samples correctly classified. From the misclas-sified samples 15 illegal samples (class 1) were classified as legal,while 21 legal samples were classified as illegal. Performing theevaluation with the external test set showed a ccr of 0.7667. This

ผลลัพธ์ (ไทย) 1:

จัดเป็นจะ analysed ไม่ถูกต้องในการปฏิบัติ และ findlegal ดอก aslegal อย่างไม่ถูกต้องแบ่งเปอร์เซ็นต์ควรเป็นต่ำสุดเพื่อจำกัดตัวอย่าง ofillegal เลขที่มา market.4.2.1 k NNFor ชุดข้อมูลที่มีแบ่งตัวอย่างในห้า classesthe ดีเคเอ็นเอ็นรุ่นถูกรับใช้สามใกล้ neighbourswith ที่ยุคลิดเป็นพารามิเตอร์ความคล้ายคลึงกัน สำหรับ trainingset การข้าม ข้อผิดพลาดการตรวจสอบ ประเมินกับ 10-fold ไขว้ validationof 0.4177 ได้รับ นี้สอดคล้องกับอัตราถูกต้อง classifica-สเตรชัน (ccr) 120 70 ตัวอย่าง Ccr อยู่ในระดับต่ำ แม้ว่า จะถูกสังเกตว่า เพียง 16 ตัวอย่างที่ไม่ถูกต้องถูกจัดให้เป็นกฎหมายนี้สอดคล้องกับ 24% ของตัวอย่างไม่ถูกต้องทั้งหมดในชุดฝึกอบรมประเมินผลชุดทดสอบภายนอกพบว่า 20 ของ sam 30-ples ในชุดทดสอบภายนอกถูกจัดอย่างถูกต้อง จาก 10remaining ใน ตัวอย่าง 4 อย่างไม่ถูกต้อง (ตัวอย่างหนึ่งของตัวอย่าง respectivelyclass 1 และ 3 และ 2 ของคลาส 2) ได้ weremisclassified ไม่ได้แยกประเภท และ 6 คลาส 2 เช่น 1 อย่างเป็นงานเป็นคลาส 5, 1sample ของคลาส 4 ได้งานเป็นคลาส 3 และสุดท้าย 4 samplesof คลาส 5 ได้งานเป็นคลาส 2 ผลลัพธ์เหล่านี้ acceptablesince เพียงหนึ่งตัวอย่างที่ไม่ถูกต้องถูกจัดให้เป็นกฎหมายได้เมื่อสร้างแบบจำลองเป็นซ้ำเฉพาะ fication classi นารีกฎหมาย/ไม่ถูกต้องข้อผิดพลาดระหว่างการตรวจสอบของ 0.3167 ได้รับการพิจารณา ที่สอดคล้องกับการจัดประเภท 82 ตัวอย่าง 120 ในการฝึกอบรมที่ถูกต้องได้ มันยังไม่เห็นว่า เช่นเดียวกับรุ่นก่อนหน้า 16illegal ตัวอย่างถูกจัดให้เป็นกฎหมาย ประเมินผล มีการตั้งค่า externaltest พบว่า ตัวอย่างไม่ถูกต้องทั้งหมดถูกจัดเป็นตัวอย่างทางกฎหมายไม่ถูกต้อง andthat 4 ถูกจัดประเภทเป็นไม่ถูกต้อง นี้หมายความว่า แบบจำลองเอ็นเอ็นเค thebinary ที่มีประสิทธิภาพที่ดีสำหรับ samples.4.2.2 ไม่ถูกต้อง discriminationof DAWith กรุณากรุณาดาดีสุดในการทำแบบจำลองปัญหา classi fication ชั้นห้ากล่าวใช้ปัจจัยกรุณาเก้า Selectionof หมายเลขที่เหมาะสมของปัจจัยที่ดำเนินการโดยใช้ LOOCV andresulted ข้อผิดพลาดการตรวจสอบระหว่าง 0.3667 หรือ 76 ตัวอย่างของ 120classified ได้อย่างถูกต้อง 16 ตัวอย่างกฎหมาย 53 ใน setwere ฝึกอบรมที่จัดประเภทเป็นของคลาสที่ไม่ถูกต้อง อย่างใดอย่างหนึ่งในขณะที่ 22illegal ตัวอย่างถูกจัดให้เป็นกฎหมาย เมื่อดำเนินการ evalu ation กับการทดสอบภายนอกตั้ง 22 ตัวอย่าง 30 ถูก classifiedcorrectly จะถือว่าเป็น ccr ดี เมื่อตรวจ themisclassifications จะถูกตรวจสอบว่า ตัวอย่างของคลาส 2 และหนึ่งของคลาส 3 ถูกจัดประเภทเป็นกฎหมาย (ชั้น 5), ตัวอย่างของ wasclassified ชั้น 4 เป็นชั้นที่ 2 และ 5 ตัวอย่างชั้นทางกฎหมาย sified clas ในคลาสที่ไม่ถูกต้องอย่างใดอย่างหนึ่งได้ ซึ่งหมายความ ว่า เพียงสอง illegalsamples ได้ถือเป็นกฎหมายใช้ดากรุณาปัญหาสองชั้นผล optimalmodel กรุณาเจ็ดปัจจัย แบบจำลองแสดงให้เห็นว่า validationerror ระหว่าง 0.2833 หรือ 86 ตัวอย่าง 120 ที่จัดได้อย่างถูกต้อง มาโทฟอร์ 34 ตัวอย่างงาน 13 illegals ถูกจัดประเภทเป็นกฎหมายประเมินผลชุดทดสอบภายนอกแสดงให้เห็นว่าทั้งสองไม่ถูกต้อง samplesclassified เป็นกฎหมายและ 7 legals เป็น illegal.4.2.3 SIMCAThe สุด SIMCA จำลองสำหรับคลาส 5 ประเภท prob-lem ที่ได้ใช้ส่วนประกอบหลักสองกับรุ่น classes1, 3 และ 4 และสามองค์ประกอบหลักในชั้น 2 และ 5ตรวจสอบไขว้สำหรับรุ่นนี้ผลใน errorof ตรวจสอบไขว้ 0.4083 หรือตัวอย่าง 71 ตัวอย่าง 120 อยู่ใน trainingset ที่จัดได้อย่างถูกต้อง จากตัวอย่างงานที่หก the53 กฎหมายอย่างที่จัดในคลาสที่ไม่ถูกต้อง and38 อย่างไม่ถูกต้องถูกจัดเป็นกฎหมาย Showedalready ผลลัพธ์เหล่านี้ที่ไม่มีรูปแบบเหมาะสมสำหรับวัตถุประสงค์ เมื่อ evaluat-ing กับชุดทดสอบภายนอกนั้นถูกแสดงว่า sampleswere ตามกฎหมายทั้งหมดถูกจัดแต่ตัวอย่างไม่ถูกต้องแปด (1 คลาส 1, ofclass 4 2, 1 ของคลาส 3 และ 2 ของคลาส 4) ถูกจัดให้เป็นกฎหมาย Totalccr การทดสอบภายนอกของ 0.7333 22 wasobtained ตัวอย่าง 30 ได้ทำซ้ำการวิเคราะห์สำหรับ problemresulted จัดประเภทสองชั้นในรูปแบบเหมาะสมโดยใช้คอมโพเนนต์หลักสี่ forclass 1 และ 3 สำหรับคลาส 2 แบบจำลองแสดงให้เห็นว่า validationerror ไขว้ 0.3000 หรือ 84 ตัวอย่างจัดอย่างถูกต้อง จากตัวอย่าง misclas-sified 15 ตัวอย่างไม่ถูกต้อง (ชั้น 1) ได้ถูกจัดประเภทเป็นกฎหมาย ในขณะที่ตัวอย่างกฎหมาย 21 ถูกจัดประเภทเป็นไม่ถูกต้อง ทำ theevaluation กับชุดทดสอบภายนอกพบ ccr ของ 0.7667 นี้

ผลลัพธ์ (ไทย) 2:

จัดเป็นที่ผิดกฎหมายจะถูกวิเคราะห์ในห้องปฏิบัติการแล้ว findlegal ในทางตรงกันข้าม aslegal ร้อยละตัวอย่างที่ผิดกฎหมายควรจะจัดที่ต่ำที่สุดเท่าที่เป็นไปได้ในการที่จะ จำกัด จำนวน ofillegal ตัวอย่างมา market.4.2.1 k-NNFor ข้อมูลการตั้งค่าในการที่กลุ่มตัวอย่างจะถูกแบ่งออกในห้ารูปแบบที่ดีที่สุด classesthe k-NN ที่ได้รับใช้สามใกล้ที่สุด neighbourswith ระยะทางยุคลิดเป็นพารามิเตอร์ที่คล้ายคลึงกัน สำหรับ TrainingSet ข้อผิดพลาดการตรวจสอบข้ามประเมินด้วย 10 เท่าข้าม validationof .4177 ที่ได้รับ นี้สอดคล้องกับอัตราที่ถูกต้อง classifica-การ (CCR) 70 ตัวอย่าง 120 CCR อยู่ในระดับต่ำแม้ว่าจะเป็นการกำหนดข้อสังเกตว่ามีเพียง 16 ตัวอย่างที่ผิดกฎหมายได้รับการจัดเป็น legal.This สอดคล้องกับ 24% ของตัวอย่างที่ผิดกฎหมายทั้งหมดในชุดการฝึกอบรม .Evaluation กับชุดทดสอบภายนอกพบว่า 20 จาก 30 sam-Ples ในการทดสอบภายนอกที่กำหนดถูกจัดให้อย่างถูกต้อง จากตัวอย่าง 10remaining 4 ตัวอย่างที่ผิดกฎหมาย (ตัวอย่างหนึ่งของ respectivelyclass 1 และ 3 และ 2 ตัวอย่างของชั้น 2) เป็นไม่เป็นความลับและ 6 weremisclassified เช่นตัวอย่าง 1 ชั้น 2 แบ่งเป็นชั้นที่ 5 1sample ชั้น 4 ได้รับการแบ่งเป็นชั้น 3 และชั้น 4 ในที่สุด samplesof 5 ถูกแบ่งเป็นชั้น 2 ผลเหล่านี้จะ acceptablesince เพียงหนึ่งตัวอย่างที่ผิดกฎหมายได้รับการจัดเป็นแบบจำลอง legal.When ซ้ำแล้วซ้ำอีก พิจารณาเฉพาะไบนารีจำแนก-การอ้างกฎหมาย / ที่ผิดกฎหมายข้อผิดพลาดการตรวจสอบข้าม 0.3167 จะได้รับสอดคล้องกับการจัดประเภทที่ถูกต้องของ 82 ตัวอย่างจาก 120 inthe ชุดการฝึกอบรม มันก็ยังเห็นว่าเช่นเดียวกับรุ่นก่อนหน้านี้ตัวอย่าง 16illegal ถูกจัดให้เป็นกฎหมาย การประเมินผลด้วยชุด externaltest แสดงให้เห็นว่ากลุ่มตัวอย่างที่ผิดกฎหมายทั้งหมดถูกจัดเป็น andthat 4 ตัวอย่างกฎหมายที่ผิดกฎหมายได้รับการจัดเป็นที่ผิดกฎหมาย ซึ่งหมายความว่า thebinary แบบ k-NN มีประสิทธิภาพการทำงานที่ดีสำหรับการที่ผิดกฎหมาย samples.4.2.2 discriminationof PLS-DAWith PLS-DA รูปแบบการแสดงที่ดีที่สุดสำหรับปัญหาจำแนก-อ้างห้าชั้นเรียนที่ได้รับโดยใช้เก​​้าปัจจัย PLS selectionof จำนวนที่เหมาะสมของปัจจัยได้รับการดำเนินการโดยใช้ LOOCV andresulted ความผิดพลาดในการตรวจสอบข้าม 0.3667 หรือ 76 ตัวอย่าง 120classified ได้อย่างถูกต้อง 16 จาก 53 ตัวอย่างตามกฎหมายในการฝึกอบรม setwere จัดว่าเป็นหนึ่งในชั้นเรียนที่ผิดกฎหมายในขณะที่กลุ่มตัวอย่าง 22illegal ถูกจัดให้เป็นกฎหมาย เมื่อทำการ evalu-ation กับการทดสอบภายนอกตั้ง 22 จาก 30 ตัวอย่างเป็น classifiedcorrectly นี้ถือได้ว่าเป็น CCR ดี เมื่อตรวจสอบ themisclassifications มันถูกตั้งข้อสังเกตว่าตัวอย่างของชั้นที่ 2 และชั้น 3 oneof ถูกจัดให้เป็นตามกฎหมาย (ชั้น 5) ตัวอย่างของชั้น 4 wasclassified เป็นชั้นที่ 2 และห้าตัวอย่างของการเรียนกฎหมายเป็น Clas-sified ในหนึ่งในที่ผิดกฎหมาย ชั้นเรียน ซึ่งหมายความว่าเพียงสอง illegalsamples ถูกถือว่าเป็น legal.Applying PLS-DA กับปัญหาสองชั้นทำให้ optimalmodel เจ็ดปัจจัย PLS รูปแบบที่แสดงให้เห็น validationerror ข้าม .2833 หรือ 86 ของ 120 ตัวอย่างจัดอย่างถูกต้อง fromthe 34 ตัวอย่างแบ่ง, 13 illegals ถูกจัดเป็น legal.Evaluation กับชุดทดสอบภายนอกแสดงให้เห็นว่าทั้งสองเป็นที่ผิดกฎหมาย samplesclassified กฎหมายและ 7 Bosch ของฉันเป็น illegal.4.2.3 รูปแบบ SIMCA SIMCAThe ที่เหมาะสมสำหรับการจัดหมวดหมู่ห้าชั้น prob-LEM ที่ได้รับใช้สององค์ประกอบหลักแบบ classes1, 3 และ 4 และสามองค์ประกอบหลักสำหรับการเรียน 2 และการตรวจสอบ 5.Cross สำหรับรุ่นนี้ได้ส่งผลให้การตรวจสอบข้าม errorof 0.4083 หรือ 71 ตัวอย่าง 120 ตัวอย่างอยู่ใน TrainingSet จัดอย่างถูกต้อง จากตัวอย่างแบ่งหกของกลุ่มตัวอย่างตามกฎหมาย the53 ถูกจัดให้อยู่ในหนึ่งในชั้นเรียนที่ผิดกฎหมาย and38 ตัวอย่างที่ผิดกฎหมายได้รับการจัดให้เป็นกฎหมาย ผลลัพธ์เหล่านี้ showedal​​ready ว่ารูปแบบไม่เหมาะสำหรับวัตถุประสงค์ เมื่อ evaluat ไอเอ็นจีกับการทดสอบภายนอกตั้งมันก็แสดงให้เห็นว่า sampleswere ทางกฎหมายทั้งหมดจัดอย่างถูกต้อง แต่แปดตัวอย่างที่ผิดกฎหมาย (1 ชั้น 1, 4 ofclass 2, 1 ของชั้นที่ 3 และ 2 ชั้น 4) ได้รับการจัดให้เป็นกฎหมาย totalccr สำหรับชุดทดสอบภายนอกของ 0.7333 หรือ 22 จาก 30 ตัวอย่าง wasobtained.Repeating การวิเคราะห์สำหรับการจัดหมวดหมู่สองชั้น problemresulted ในรูปแบบที่เหมาะสมโดยใช้สี่องค์ประกอบหลัก forclass ที่ 1 และสามชั้น 2 แบบจำลองที่แสดงให้เห็น validationerror ข้าม 0.3000 หรือ 84 ตัวอย่างจำแนกได้อย่างถูกต้อง จากตัวอย่าง misclas-sified 15 ตัวอย่างที่ผิดกฎหมาย (ชั้น 1) ถูกจัดให้เป็นตามกฎหมายในขณะที่ 21 กลุ่มตัวอย่างที่ถูกต้องตามกฎหมายได้รับการจัดเป็นที่ผิดกฎหมาย การแสดง theevaluation กับชุดการทดสอบแสดงให้เห็นภายนอก CCR ของ 0.7667 นี้

ผลลัพธ์ (ไทย) 3:

จัดเป็นสิ่งผิดกฎหมายจะวิเคราะห์ในห้องปฏิบัติการแล้ว findlegal . ในทางตรงกันข้ามร้อยละผิดกฎหมายตัวอย่างจำแนก aslegal ควรจะเป็นต่ำที่สุดเพื่อ จำกัด จำนวน ofillegal ตัวอย่างมาที่ตลาด 4.2.1 .k-nnfor ชุดข้อมูลซึ่งในตัวอย่างจะถูกแบ่งออกเป็นห้า classesthe ที่ดีที่สุด k-nn รุ่นสามที่ใกล้ที่สุดได้รับการใช้ neighbourswith ระยะทางที่ใช้เป็นพารามิเตอร์ที่คล้ายคลึงกัน สำหรับเทรนนิ่งเซตข้ามการตรวจสอบข้อผิดพลาด เพื่อข้าม validationof 0.4177 10 พับได้ . นี้สอดคล้องกับอัตราที่ถูกต้อง classifica tion ( CCR ) 70 ตัวอย่างของ 120 CCR ต่ำแม้ว่า โดยสังเกตว่ามีเพียง 16 ผิดกฎหมายจำนวน จัด เป็น กฎหมาย นี้สอดคล้องกับ 24 % ของตัวอย่างผิดกฎหมายทั้งหมดในชุดฝึกอบรม การประเมินด้วยการทดสอบภายนอกชุดพบว่า 20 30 ples สามในชุดทดสอบภายนอก จำแนกได้อย่างถูกต้องจาก 10remaining ตัวอย่าง 4 ตัวอย่างที่ผิดกฎหมาย ( หนึ่งตัวอย่าง respectivelyclass 1 และ 3 และ 2 ตัวอย่าง ชั้น 2 ) และ weremisclassified Unclassified 6 . คือ 1 ตัวอย่างของชั้น 2 ก็ misclassified เป็นห้อง 5 1sample คลาส 4 คือ misclassified เป็นคลาส 3 และสุดท้าย 4 จำนวน 5 ชั้นอยู่ misclassified เป็นคลาส 2ผลลัพธ์เหล่านี้เป็นเพียงหนึ่งตัวอย่าง acceptablesince ผิดกฎหมายตามกฎหมาย เมื่อพิจารณาเฉพาะการเป็นซ้ำสอง classi fication กฎหมาย / กฎหมายข้ามการตรวจสอบข้อผิดพลาดของ 0.3167 ได้รับเกี่ยวข้องกับหมวดหมู่ที่ถูกต้องของ 82 ตัวอย่างของ 120 ในการตั้งค่า นอกจากนี้ยังพบว่า เป็นกับรุ่นก่อนหน้า , ตัวอย่าง 16illegal แบ่งออกเป็นกฎหมายประเมินผลด้วยชุด externaltest พบว่า ตัวอย่างที่ผิดกฎหมายทั้งหมดแบ่งออกเป็น 4 กฎหมายและผิดกฎหมายจำนวนจัดเป็นผิดกฎหมาย ซึ่งหมายความว่า thebinary k-nn รุ่นที่มีประสิทธิภาพที่ดีสำหรับ discriminationof ผิดกฎหมายอย่าง นักกีฬา . กรุณา dawith pls-da การปฏิบัติที่ดีที่สุดสำหรับรูปแบบห้าชั้น classi fication ปัญหาได้รับการใช้เก้า กรุณา ปัจจัยการเลือกหมายเลขที่เหมาะสมของปัจจัยที่ใช้ในการ loocv andresulted ข้ามการตรวจสอบข้อผิดพลาดของ 0.3667 หรือ 76 ตัวอย่าง 120classified ได้อย่างถูกต้อง 16 53 กฎหมายตัวอย่างในการฝึก setwere จัดเป็นของหนึ่งเรียนกฏหมาย ในขณะที่ตัวอย่าง 22illegal แบ่งออกเป็นกฎหมายเมื่อทำการ evalu ation กับการทดสอบภายนอกชุด 22 30 จำนวน classifiedcorrectly . นี้ถือได้ว่าเป็นขบวนดี เมื่อตรวจสอบ themisclassifications พบว่าตัวอย่างของชั้น 2 และชั้น 3 แบ่งเป็น 1 ในทางกฎหมาย ( ชั้น 5 )ตัวอย่างของชั้น 4 เป็นชั้น 2 wasclassified ห้าตัวอย่างของชั้นทางด้านกฎหมาย 2 sified ในหนึ่งชั้นเรียนที่ผิดกฎหมาย ซึ่งหมายความว่าเพียงสอง illegalsamples ถูกถือว่าเป็นกฎหมาย การใช้ pls-da ไป 2 ห้อง ปัญหาที่เกิดใน optimalmodel เจ็ดกรุณาปัจจัย แบบจำลองแสดงข้าม validationerror ของ 0.2833 หรือ 86 ของ 120 คนจัดได้อย่างถูกต้องจาก 34 ตัวอย่าง misclassified 13 ตามกฎหมายแบ่งออกเป็นกฎหมาย การประเมินชุดทดสอบภายนอกให้ผิดกฎหมาย samplesclassified เป็นบุคคลตามกฎหมายและ 7 อย่างผิดกฎหมาย 4.2.3 . simcathe ที่เหมาะสมสำหรับรูปแบบการจำแนกชั้นห้าปทุมา prob เล็มได้รับการใช้ส่วนประกอบหลักสองรูปแบบ classes1 , 3 และ 4 องค์ประกอบหลักสามคลาส 2 และ 5ข้ามการตรวจสอบสำหรับรุ่นนี้มีผลในการตรวจสอบข้ามของ 0.4083 หรือ 71 ตัวอย่าง 120 ตัวอย่าง ในเทรนนิ่งเซตย่อยได้อย่างถูกต้อง จาก misclassified ตัวอย่าง 6 the53 กฎหมายตัวอย่างจำแนกในหนึ่งชั้นเรียนผิดกฎหมาย and38 ผิดกฎหมายจำนวน จัด เป็น กฎหมาย ผลลัพธ์เหล่านี้ showedalready ว่ารูปแบบไม่เหมาะกับวัตถุประสงค์เมื่ออิงกับรายงานผลการทดสอบภายนอกชุดพบว่ากฎหมายทั้งหมดเพื่อจัดอย่างถูกต้อง แต่แปดอย่างผิดกฎหมาย ( 1 ชั้น 1 , 4 ofclass 2 , 1 และ 2 ชั้น 3 ชั้น 4 ) ถูกจัดให้เป็นกฎหมาย เป็น totalccr สำหรับภายนอกชุดการทดสอบของ 0.7333 หรือ 22 30 ตัวอย่างโดย .ทำซ้ำการวิเคราะห์สำหรับสองระดับการจำแนก problemresulted ในรูปแบบที่เหมาะสมโดยใช้หลักทั้ง 4 องค์ประกอบ forclass 1 และ 3 สำหรับชั้น 2 แบบจำลองแสดงข้าม validationerror ของ 0.3000 หรือ 84 ตัวอย่างจำแนกได้อย่างถูกต้อง จาก misclas sified ตัวอย่าง 15 ผิดกฎหมายตัวอย่าง ( ห้อง 1 ) ถูกจัดให้เป็นกฎหมายในขณะที่ 21 ตัวอย่างทางกฎหมายจัดเป็นผิดกฎหมายแสดงโดย ด้วยชุดทดสอบภายนอกแสดงเขตของ 0.7667 . นี้