We have seen the accuracy for the d

We have seen the accuracy for the different values of the regularization parameter
C. With it, we can control the model complexity, similar to the parameter k for the
nearest neighbor method. Smaller values for C result in a higher penalty, that is,
they make the model more complex.
A quick look at the bias-variance chart for our best candidate, C = 0.1, shows that
our model has high bias—test and train error curves approach closely but stay at
unacceptably high values. This indicates that logistic regression with the current
feature space is under-fitting and cannot learn a model that captures the data
correctly.

Kết quả (Việt) 1:

Chúng tôi đã thấy chính xác cho các giá trị khác nhau của các tham số regularizationC. với nó, chúng tôi có thể kiểm soát mô hình phức tạp, tương tự như k tham số cho cácgần nhất phương pháp hàng xóm. Các giá trị nhỏ hơn cho C kết quả trong một hình phạt cao, có nghĩa là,họ làm cho các mô hình phức tạp hơn.Nhanh chóng xem biểu đồ thiên vị phương sai cho ứng cử viên tốt nhất của chúng tôi, C = 0,1, cho thấy rằngMô hình của chúng tôi có xu hướng cao-kiểm tra và đào tạo lỗi đường cong cách tiếp cận chặt chẽ nhưng ở tại khách sạngiá trị lớn không chấp nhận. Điều này cho thấy rằng hồi quy logistic với hiện hànhtính năng không gian là dưới phù hợp và không thể tìm hiểu một mô hình để chụp các dữ liệumột cách chính xác.

Kết quả (Việt) 2:

Chúng tôi đã nhìn thấy sự chính xác cho các giá trị khác nhau của các tham số quy tắc hóa
C. Với nó, chúng ta có thể kiểm soát các mô hình phức tạp, tương tự như k tham số cho
phương thức hàng xóm gần nhất. Giá trị nhỏ hơn cho C kết quả trong một hình phạt cao hơn, có nghĩa là,
họ làm cho các mô hình phức tạp hơn.
Một cái nhìn nhanh chóng vào biểu đồ thiên vị-variance cho ứng viên tốt nhất của chúng tôi, C = 0,1, cho thấy rằng
mô hình của chúng tôi có cao kiến thử nghiệm và sai tàu đường cong tiếp cận gần nhưng lại ở
giá trị quá cao. Điều này chỉ ra rằng hồi quy logistic với hiện tại
không gian đặc trưng là dưới thích hợp và không có thể tìm hiểu một mô hình để chụp các dữ liệu
một cách chính xác.