For the NPB and MLB data sets, decr

For the NPB and MLB data sets, decreasing the kernel width worsened classification accuracy. The instance selec- tion and weighting methods cannot learn stationary words fully if the kernel width is small. These data sets contained sudden and significant shifts in some words at micro time scales, as shown in Fig. 3a. Responding to such shifts is im- portant for achieving further improvements in classification accuracy.

Kết quả (Việt) 1:

Đối với các tập dữ liệu NPB và MLB, giảm chiều rộng hạt nhân trở nên tồi tệ phân loại chính xác. Phương pháp selec-tion và nặng của trường hợp không thể tìm hiểu từ văn phòng phẩm đầy đủ nếu chiều rộng hạt nhân nhỏ. Các bộ dữ liệu chứa thay đổi đột ngột và đáng kể trong một số từ đúng ở vi thời gian, như minh hoạ trong hình 3a. Đáp ứng với thay đổi như vậy là im-portant để đạt được tiếp tục cải tiến trong phân loại chính xác.

Kết quả (Việt) 2:

Đối với các bộ dữ liệu NPB và MLB, giảm chiều rộng hạt nhân trở nên tồi tệ chính xác phân loại. Tion và trọng số phương pháp chọn lọc các ví dụ không thể học được từ văn phòng phẩm đầy đủ nếu chiều rộng hạt nhân là nhỏ. Những bộ dữ liệu chứa chiều đột ngột và có ý nghĩa trong một số từ ở thời gian quy mô nhỏ, như thể hiện trong hình. 3a. Đối phó với những thay đổi như vậy là quan trọng để đạt được những cải thiện về độ chính xác phân loại.