Crossvalidation randomly splits the

Crossvalidation randomly splits the dataset into a fixed number of equal-sized parts, or
folds. All but one fold is used for training and the remaining fold for testing each classifier.
This procedure is repeated so that each fold is used for testing exactly once. The average
accuracy over all test folds is the crossvalidation’s estimate of the classifier’s accuracy.
2In rank comparisons, see e.g. Table 3.1, we have found that selection by crossvalidation
is usually the worst ensemble learning scheme – even with just four classifiers.

ผลลัพธ์ (ไทย) 1:

Crossvalidation สุ่มแยกชุดข้อมูลเป็นจำนวนเท่ากับขนาดชิ้นส่วน ถาวร หรือพับ พับ นั้นจะใช้สำหรับการฝึกอบรมและการพับที่เหลือสำหรับการทดสอบแต่ละ classifierขั้นตอนนี้จะถูกทำซ้ำให้พับแต่ละใช้สำหรับทดสอบเหมือนกัน ค่าเฉลี่ยความถูกต้องผ่านการทดสอบทั้งหมดพับเป็นของ crossvalidation ประเมินความถูกต้องของ classifierเปรียบเทียบอันดับ 2 ด้าน ดูเช่นตาราง 3.1 เราได้พบส่วนที่เลือก โดย crossvalidationโดยปกติจะเป็นแผนเรียนรู้วงดนตรีเลวร้ายที่สุด – แม้จะ มีเพียงสี่คำนามภาษา

ผลลัพธ์ (ไทย) 2:

Crossvalidation สุ่มแยกชุดข้อมูลเป็นจำนวนคงที่ของส่วนเท่า ๆ
กันขนาดหรือพับ แต่ทุกคนเท่าที่ใช้สำหรับการฝึกอบรมและการพับที่เหลือสำหรับการทดสอบแต่ละจําแนก.
ขั้นตอนนี้ซ้ำแล้วซ้ำอีกเพื่อให้แต่ละพับถูกนำมาใช้สำหรับการทดสอบครั้งว่า เฉลี่ย. ความถูกต้องมากกว่าทุกพับทดสอบประมาณการ crossvalidation ของความถูกต้องลักษณนามของ 2in เปรียบเทียบการจัดอันดับให้ดูเช่นตารางที่ 3.1 เราได้พบว่าการเลือกโดย crossvalidation มักจะเป็นชุดการเรียนรู้รูปแบบที่เลวร้ายที่สุด - แม้จะมีเพียงสี่แยกประเภท

ผลลัพธ์ (ไทย) 3:

crossvalidation สุ่มแยกข้อมูลเป็นจำนวนเท่ากับขนาดชิ้นส่วนหรือ
พับ แต่ทั้งหมดจะใช้สำหรับการพับและพับส่วนที่เหลือสำหรับการทดสอบแต่ละตัว .
ขั้นตอนนี้ซ้ำ เพื่อให้แต่ละพับที่ใช้สำหรับการทดสอบเดียว โดย
ความถูกต้องมากกว่าเท่าทดสอบทั้งหมดของ crossvalidation ประเมินความถูกต้องของการจำแนก .
2in อันดับการเปรียบเทียบเห็นเช่นตารางที่ 3.1 , เราได้พบว่า การ crossvalidation
มักจะเลวร้ายทั้งมวลการเรียนรู้ยิ่งขึ้น มีเพียง 4 โครงการ คือ