extends hamming loss to account for

extends hamming loss to account for any existing underlying hierarchical strucuture of the labels [7]. The idea of hierarchical loss is based on the notion that, whenever a classifier makes a mistake at any node in a given hierarchy, no further loss should be counted for any mistake
in the subtree rooted at that particular node. An easy way to do this would be to parse the predicted
label hierarchy in a top down (e.g. pre-order) manner and ignore any subtree which is rooted at a
wrong prediction node.

Kết quả (Việt) 1:

mở rộng hamming mất vào tài khoản cho bất kỳ strucuture phân cấp cơ bản sẵn có của các nhãn [7]. Ý tưởng của mất mát thứ bậc dựa trên khái niệm rằng, bất cứ khi nào một loại làm cho một sai lầm ở bất kỳ nút trong một hệ thống phân cấp nhất định, không mất thêm nên được tính cho bất kỳ sai lầmtrong subtree bắt nguồn từ lúc đó nút cụ thể. Một cách dễ dàng để làm điều này sẽ phân tích các dự đoánnhãn hệ thống phân cấp trong một từ trên xuống (ví dụ như Pre-Order) cách và bỏ qua bất kỳ subtree mà bắt nguồn từ tại mộtdự đoán sai nút.

Kết quả (Việt) 2:

mở rộng Hamming mất vào tài khoản cho bất kỳ strucuture thứ bậc cơ bản hiện hành của các nhãn [7]. Ý tưởng về sự mất mát thứ bậc dựa trên quan điểm cho rằng, bất cứ khi nào một phân loại làm cho một sai lầm ở bất kỳ nút trong một hệ thống phân cấp nhất định, không mất thêm nên được tính cho bất kỳ sai lầm
trong cây con có gốc là nút đó cụ thể. Một cách dễ dàng để làm điều này sẽ được phân tích dự đoán
hệ thống phân cấp nhãn trong một từ trên xuống (ví dụ như pre-order) theo cách thức và bỏ qua bất kỳ cây con được bắt rễ tại một
nút dự đoán sai.