Positive unlabeled learning builds

Positive unlabeled learning builds a prediction model without negative cases (i.e. use only cost overrun projects). Hata et al. [3] proposed applying positive naive Bayes to predict fault prone modules. One of our future research issues is to apply positive naive Bayes to project result prediction.

ผลลัพธ์ (ไทย) 1:

เรียนบวกไม่สร้างแบบจำลองพยากรณ์ โดยกรณีลบ (เช่นใช้เฉพาะเกินต้นทุนโครงการ) ฮาตะ et al. [3] เสนอใช้ขำน่าบวก Bayes ทำนายโมดูแนวโน้มของข้อบกพร่อง หนึ่งในปัญหาการวิจัยในอนาคตของเราจะขำน่าบวก Bayes กับโครงการทายผล

ผลลัพธ์ (ไทย) 2:

การเรียนรู้ที่ไม่มีป้ายกำกับบวกสร้างแบบจำลองการคาดการณ์โดยไม่ต้องกรณีที่เป็นลบ (เช่นใช้เฉพาะโครงการบุกรุกค่าใช้จ่าย) ฮาตะและคณะ [3] ที่นำเสนอการประยุกต์ใช้ในเชิงบวกที่ไร้เดียงสา Bayes ที่จะคาดการณ์แนวโน้มที่โมดูลความผิด หนึ่งในประเด็นการวิจัยในอนาคตของเราคือเพื่อนำไปใช้ในเชิงบวกที่ไร้เดียงสา Bayes โครงการทำนายผล

ผลลัพธ์ (ไทย) 3:

การเรียนรู้ unlabeled บวกสร้างแบบจำลองการทำนาย โดยกรณีลบ ( เช่น ใช้ต้นทุนการบุกรุกโครงการ ) อย่างไรก็ตาม et al . [ 3 ] เสนอใช้ Bayes ซื่อบวกทำนายผิดได้ง่ายโดย หนึ่งในประเด็นปัญหาการวิจัยในอนาคตของเราคือการใช้ Bayes ซื่อบวกเพื่อทำนายผลของโครงการ