¿Qué significa la tasa de clasificación errónea?
Tasa de clasificación errónea
Tasa de clasificación errónea
Comparación bilingüe
Resultados del diccionario:
Definición de Internet
1. Tasa de clasificación errónea
Ejemplo de frase:
1. Los resultados experimentales muestran que el algoritmo puede reducir en gran medida la tasa de clasificación errónea.
Los resultados experimentales muestran que. , el algoritmo construido puede reducir efectivamente la tasa de error de reconocimiento y recuperación de imágenes de texto.
2.Coincide bien la complejidad del árbol con los datos de entrenamiento y el límite de la tasa de clasificación errónea.
Coincide bien la complejidad del árbol con los datos de entrenamiento y el límite de la tasa de clasificación errónea.
p>
Coincide bien la complejidad del árbol con los datos de entrenamiento y el límite de la tasa de clasificación errónea.
3.Un estimador de la tasa de clasificación errónea teórica en muchas poblaciones
Un estimador de la tasa de clasificación errónea teórica en muchas poblaciones
4. Luego, 216 versiones diferentes de 27 microscópicos Las características de las hierbas se clasifican utilizando la regla de distancia media mínima ponderada y el resultado indicó que la tasa de clasificación errónea es 4,3.
Luego, utilizando la regla de distancia media mínima ponderada, 27 de las cinco hierbas con flores Se entrenaron y simularon 216 tipos de imágenes deformadas con puntos especiales para el reconocimiento. Los resultados experimentales fueron buenos y la tasa de falsos positivos fue de solo 4,3. Se cree que este momento es una característica de imagen altamente concentrada que puede usarse para la extracción de características en un sistema rápido de reconocimiento automático de características microscópicas del polvo de la medicina tradicional china.
5. Luego, para reducir la tasa de clasificación errónea y mejorar la precisión de la predicción, analice todo el proceso de eliminación de ruido utilizando el conjunto Bagging para tratar la estimación imparcial por igual.
Luego, en orden Puede reducir la tasa de clasificación errónea del modelo y mejorar la precisión de la predicción del modelo. También realiza un análisis detallado de todo el proceso de ruido generado por la integración del ensacado en el modelo de estimación insesgada de procesamiento igual.