First, we show the inductive learni

First, we show the inductive learning potential of
PDL2, and the benefits gained by the addition of
precepts on several datasets from [15]. PDL2's
measure of similarity (i.e., node activation) is designed
to deal primarily with symbolic-valued (i.e., nominal)
attributes. Consequently, the selected datasets have
nominal attributes. All don't-know values are treated
as don't-care values, except in the voting3-84 dataset
in which they are treated as a distinct input value. The
results are shown in Table 1. Each of the reported
results is an average over 10 runs of PDL2. In each
run, the training set and the test set are randomly
regenerated. Each set contains one half of the
examples in the complete data set.

ผลลัพธ์ (ไทย) 1:

ครั้งแรก เราแสดงการเรียนรู้เชิงอุปนัยเป็นไปได้ของPDL2 และผลประโยชน์ที่ได้รับ โดยการเพิ่มศีลใน datasets หลายจาก [15] ของ PDL2มาวัดความคล้ายกัน (เช่น โหนการเรียกใช้)ว่าด้วยหลักมูลค่าสัญลักษณ์ (เช่น ระบุ)แอตทริบิวต์ ดังนั้น datasets ที่เลือกได้แอตทริบิวต์ที่ระบุ ทั้งหมดไม่รู้ค่าจะถือว่าเป็นค่าดูแลไม่ ยกเว้นในชุดข้อมูล voting3-84ซึ่งพวกเขาจะถือว่าเป็นค่าป้อนเข้ามา ที่ผลลัพธ์จะแสดงในตารางที่ 1 แต่ละรายงานผลลัพธ์คือ ค่าเฉลี่ยมากกว่า 10 การทำงานของ PDL2 ในแต่ละทำงาน ชุดฝึกและชุดทดสอบจะสุ่มสร้างใหม่ แต่ละชุดประกอบด้วยหนึ่งครึ่งของตัวอย่างในชุดข้อมูลสมบูรณ์

ผลลัพธ์ (ไทย) 2:

ครั้งแรกที่เราแสดงให้เห็นถึงศักยภาพการเรียนรู้ของอุปนัย
PDL2
และผลประโยชน์ที่ได้รับจากการเพิ่มขึ้นของศีลในชุดข้อมูลจากหลาย[15] PDL2
ของตัวชี้วัดของความคล้ายคลึงกัน(เช่นการเปิดใช้งานโหนด)
ถูกออกแบบมาเพื่อจัดการเกี่ยวเนื่องกับสัญลักษณ์มูลค่า(เช่นที่ระบุ)
คุณลักษณะ ดังนั้นชุดข้อมูลที่เลือกมีคุณสมบัติที่ระบุ
ทั้งหมดค่าห้ามรู้จะถือว่าเป็นค่าที่ห้ามดูแลยกเว้นในชุดข้อมูลที่ voting3-84 ที่พวกเขาได้รับการปฏิบัติเป็นค่าการป้อนข้อมูลที่แตกต่างกัน ผลจะแสดงในตารางที่ 1 แต่ละคนที่มีการรายงานผลเป็นค่าเฉลี่ยกว่า 10 วิ่ง PDL2 ในแต่ละวิ่งการฝึกอบรมและชุดทดสอบจะสุ่มสร้างใหม่ แต่ละชุดจะมีเพียงครึ่งหนึ่งของตัวอย่างในชุดข้อมูลที่สมบูรณ์

ผลลัพธ์ (ไทย) 3:

แบบแรก เราแสดงศักยภาพการเรียนรู้ของ
pdl2 และผลประโยชน์ที่ได้รับ โดยนอกเหนือจาก
ศีลหลายข้อมูลจาก [ 15 ] pdl2 ของ
วัดความเหมือน ( เช่น โหนดกระตุ้น ) ถูกออกแบบมาเพื่อจัดการหลักกับสัญลักษณ์คุณค่า

( เช่น ชื่อ ) แอตทริบิวต์ จากนั้น เลือกข้อมูลได้
คุณลักษณะปกติ ค่าไม่ 't-know ทั้งหมดจะถือว่าเป็นไม่ 't-care
ค่ายกเว้นใน voting3-84 DataSet
ที่พวกเขาจะถือว่าเป็นค่าข้อมูลที่แตกต่างกัน
ผลที่แสดงในตารางที่ 1 แต่ละรายงาน
ผลลัพธ์คือเฉลี่ยมากกว่า 10 วิ่ง pdl2 . ในแต่ละ
วิ่ง , ชุดฝึกอบรมและทดสอบชุดสุ่ม
7 . แต่ละชุดประกอบด้วยครึ่งหนึ่งของ
ตัวอย่างสมบูรณ์ชุดข้อมูล