In this chapter, we investigate the

In this chapter, we investigate the hypothesis that StackingC is the most stable
ensemble learning scheme. We define the stability of a learner as its continued
good performance in the face of a reduction in training data, i.e. its capability
to find the best or a reasonably good model when confronted with less training
data, and – in case of insufficient training data – a graceful degradation in performance.

ผลลัพธ์ (ไทย) 1:

ในบทนี้ เราตรวจสอบสมมติฐานที่ว่า StackingC มีความเสถียรมากที่สุดแผนงานการเรียนรู้เพลิดเพลิน เรากำหนดความมั่นคงของผู้เรียนที่เป็นตัวอย่างต่อเนื่องประสิทธิภาพดีหน้าลดข้อมูลการฝึกอบรม เช่นความสามารถในการในการค้นหาดีที่สุด หรือแบบสมเหตุสมผลดีเมื่อเผชิญกับการฝึกอบรมน้อยข้อมูล และ – ใน กรณีของ ข้อมูลการฝึกอบรมไม่เพียงพอย่อยสลายสง่าในประสิทธิภาพ

ผลลัพธ์ (ไทย) 2:

ในบทนี้เราจะตรวจสอบสมมติฐานที่ว่า StackingC
เป็นมีเสถียรภาพมากที่สุดโครงการการเรียนรู้ทั้งมวล เรากำหนดความมั่นคงของผู้เรียนเป็นของตนอย่างต่อเนื่องผลงานที่ดีในการเผชิญกับการลดลงในข้อมูลการฝึกอบรมคือความสามารถในการที่จะหาสิ่งที่ดีที่สุดหรือรูปแบบที่ดีพอสมควรเมื่อต้องเผชิญกับการฝึกอบรมน้อยข้อมูลและ- ในกรณีของข้อมูลการฝึกอบรมไม่เพียงพอ - การย่อยสลายที่สง่างามในการปฏิบัติงาน

ผลลัพธ์ (ไทย) 3:

ในบทนี้เราจะตรวจสอบสมมติฐานที่ stackingc เป็นมั่นคง
ที่สุดวงดนตรีการเรียนรู้แบบ เรากำหนดความมั่นคงของผู้เรียนที่มีต่อ
มีประสิทธิภาพดีในหน้าของการลดข้อมูลการฝึกอบรม ข้อมูลการฝึกอบรม

คือความสามารถของการค้นหาที่ดีที่สุดหรือรูปแบบที่ดีเหมาะสมเมื่อเผชิญหน้ากับน้อยสำหรับกรณีข้อมูลและการฝึกอบรมไม่เพียงพอและการย่อยสลายสง่างามในการแสดง