2.2. Data mining approach and evalu

2.2. Data mining approach and evaluation
We will adopt a regression approach, which preserves the order of
the preferences. For instance, if the true grade is 3, then a model that
predicts 4 is better than one that predicts 7. A regression dataset D is
made up of k {1,…, N} examples, each mapping an input vector with I
input variables (x1 k ,…, xI
k) to a given target yk. The regression
performance is commonly measured by an error metric, such as the
mean absolute deviation (MAD) [

ผลลัพธ์ (ไทย) 1:

2.2 วิธีการทำเหมืองข้อมูลและประเมิน
เราจะนำวิธีการถดถอย การรักษาลำดับของ
กำหนดลักษณะ ตัวอย่าง ถ้าเกรดจริง 3 แล้วแบบที่
ทำนาย 4 คือดีกว่าที่ทำนาย 7 เป็นชุดข้อมูลถดถอย D
ขึ้น k {1,..., N } ตัวอย่าง แต่ละแมปเป็นเวกเตอร์อินพุตกับฉัน
ป้อนตัวแปร (x 1 k,... สิ
k) การวายกำหนดเป้าหมาย การถดถอย
ประสิทธิภาพโดยทั่วไปวัด โดยการวัดผิดพลาด เช่น
หมายถึง ส่วนเบี่ยงเบนสัมบูรณ์ (MAD) [

ผลลัพธ์ (ไทย) 2:

2.2 วิธีการทำเหมืองข้อมูลและการประเมินผล
เราจะนำวิธีการถดถอยซึ่งรักษาคำสั่งของ
การตั้งค่า ตัวอย่างเช่นหากคะแนนที่แท้จริงคือ 3 แล้วรูปแบบที่
ทำนาย 4 จะดีกว่าที่คาดการณ์ไว้ 7 ชุดข้อมูลที่ถดถอย D ถูก
สร้างขึ้นจาก k {1, ... , N} ตัวอย่างแต่ละแผนที่เวกเตอร์เข้ากับฉัน
ใส่ ตัวแปร (x1 k ... , Xi
ฎ) YK เป้าหมายที่กำหนด การถดถอย
ผลการดำเนินงานเป็นวัดโดยทั่วไปตัวชี้วัดข้อผิดพลาดเช่น
ค่าเบี่ยงเบนสัมบูรณ์เฉลี่ย (MAD) [

ผลลัพธ์ (ไทย) 3:

2.2 . การทำเหมืองข้อมูลวิธีการประเมินผล
เราจะ adopt วิธีการถดถอย ซึ่งรักษาคำสั่งของ
การตั้งค่า ตัวอย่าง ถ้าเกรดที่แท้จริงคือ 3 , แล้วรุ่นที่
คาดการณ์ 4 ดีกว่าที่คาดการณ์ 7 ถดถอยข้อมูล D
ขึ้น K { 1 , . . . , n } ตัวอย่างแต่ละแผนที่เวกเตอร์ใส่กับผม
ตัวแปร ( x1 K , . . . , Xi
K ) YK ให้เป้าหมาย สมการ
ประสิทธิภาพ โดยวัดจากข้อผิดพลาดเมตริก เช่น
หมายถึงการเบี่ยงเบนสัมบูรณ์ ( MAD )