In table I we can see the mean accu

In table I we can see the mean accuracy (over the training
period) according to different budget values (ranging from
5% to 1%). We can see that as the budget decreases the
results tend to be worse, particularly when the budget is
only 1% or 2%. We can also observe that the strategies
VarUncertainty, RandVarUncertainty and SelSampling seem to dominate.
It is interesting to see that FixedUncertainty shows
the problems we mentioned before due to the dependence of
an adequate static threshold (0.9 by default). We investigated
the configuration (B = 0.3) and the high accuracy comes from
a very efficient selection of the most informative instances in
the early training (first 100 instances). However, this strategy
fails to generalise to other configurations as its outperformed
by other more flexible strategies.

ผลลัพธ์ (ไทย) 1:

ในตารางผมเราสามารถดูความแม่นยำเฉลี่ย (ผ่านการฝึกอบรมรอบระยะเวลา) ตามค่างบประมาณที่แตกต่างกัน (ตั้งแต่5% ถึง 1%) เราจะเห็นว่า เป็นงบประมาณลดการผลมีแนวโน้มจะแย่ลง โดยเฉพาะอย่างยิ่งเมื่อมีงบประมาณเพียง 1% หรือ 2% นอกจากนี้เรายังสามารถสังเกตที่กลยุทธ์VarUncertainty, RandVarUncertainty และ SelSampling ดูเหมือนจะ ครอง เป็นที่น่าสนใจเพื่อดูว่า FixedUncertainty แสดงปัญหาที่เรากล่าวถึงก่อนเนื่องจากการพึ่งพาของพอคงค่าเกณฑ์ (0.9 โดยค่าเริ่มต้น) เราตรวจสอบการกำหนดค่า (B = 0.3) และความแม่นยำสูงมาจากการเลือกที่มีประสิทธิภาพมากของอินสแตนซ์ที่ประโยชน์สูงสุดในอบรมก่อน (อินสแตนซ์แรก 100) อย่างไรก็ตาม กลยุทธ์นี้ล้มเหลวในการ generalise เพื่อกำหนดค่าอื่น ๆ เป็นของ outperformedโดยกลยุทธ์อื่น ๆ ความยืดหยุ่นมากขึ้น

ผลลัพธ์ (ไทย) 2:

ในตารางฉันเราสามารถมองเห็นหมายถึงความถูกต้อง (มากกว่าการฝึกอบรม
ระยะเวลา) ตามค่างบประมาณที่แตกต่างกัน (ตั้งแต่
5% ถึง 1%) เราจะเห็นว่าเป็นงบประมาณที่ลดลง
ผลมีแนวโน้มที่จะเลวร้ายยิ่งโดยเฉพาะอย่างยิ่งเมื่องบประมาณเป็น
เพียง 1% หรือ 2% นอกจากนี้เรายังสามารถสังเกตเห็นว่ากลยุทธ์
VarUncertainty, RandVarUncertainty และ SelSampling ดูเหมือนจะครอง.
เป็นที่น่าสนใจที่จะเห็นว่า FixedUncertainty แสดงให้เห็นถึง
ปัญหาที่เราได้กล่าวมาก่อนเนื่องจากมีการพึ่งพาอาศัยกันของ
เกณฑ์คงเพียงพอ (0.9 โดยค่าเริ่มต้น) เราตรวจสอบ
การตั้งค่า (B = 0.3) และมีความแม่นยำสูงมาจาก
การเลือกของอินสแตนซ์ข้อมูลมากที่สุดที่มีประสิทธิภาพมากใน
การฝึกอบรมในช่วงต้น (100 ท่านแรกกรณี) อย่างไรก็ตามกลยุทธ์นี้
ล้มเหลวที่จะพูดคุยเพื่อกำหนดค่าอื่น ๆ เป็นของเฮง
โดยกลยุทธ์อื่น ๆ ที่มีความยืดหยุ่นมากขึ้น

ผลลัพธ์ (ไทย) 3:

ในโต๊ะฉัน เราสามารถเห็นหมายถึงความถูกต้อง ( ผ่านการฝึกอบรมระยะเวลา ) ตามค่างบประมาณต่าง ๆ ( ตั้งแต่5 % 1% ) เรา จะ เห็น ว่า เป็นงบประมาณ ๒๕๕๔ผลมีแนวโน้มที่จะแย่ลง โดยเฉพาะอย่างยิ่งเมื่องบประมาณคือเพียง 1% หรือ 2% เรายังสามารถสังเกตว่ากลยุทธ์varuncertainty randvaruncertainty selsampling , และดูเหมือนจะครอง .เป็นที่น่าสนใจเพื่อดูว่า fixeduncertainty แสดงปัญหาที่เราพูดถึงก่อนหน้านี้ เนื่องจากการพึ่งพาของมีเกณฑ์คงที่เพียงพอ ( 0.9 โดยค่าเริ่มต้น ) เราได้ตรวจสอบการตั้งค่า ( B = 0.3 ) และความถูกต้องสูง ที่มาจากที่มีประสิทธิภาพมากที่สุดในการเลือกอินสแตนซ์ข้อมูลก่อนการฝึก ( 100 กรณีแรก ) อย่างไรก็ตาม กลยุทธ์นี้ล้มเหลวในการกล่าวสรุปการตั้งค่าอื่น ๆเป็นเดือนโดยกลยุทธ์ที่ยืดหยุ่นมากขึ้นอื่น ๆ