Do all the 1-attribute LOOCVs and s

Do all the 1-attribute LOOCVs and sort them, take the best two individual features and evaluate
their LOOCV error, then take the best three individual features, and so on, until m features have
been evaluated. Compared with the super greedy algorithm, this algorithm may conclude at a subset whose size is smaller than m but whose inner testset error is smaller than that of the m component feature set.
Hence, the greedy algorithm may end up with a better feature set than the super-greedy one does. The cost of the greedy algorithm for nearest neighbor is O((M + m 2 )N log N).

Kết quả (Việt) 2:

Do tất cả các LOOCVs 1 thuộc tính và sắp xếp chúng, lấy hai tính năng cá nhân tốt nhất và đánh giá
lỗi LOOCV của họ, sau đó có ba tính năng cá nhân tốt nhất, và như vậy, cho đến các tính năng m đã
được đánh giá. So với các thuật toán siêu tham lam, thuật toán này có thể kết luận tại một tập con có kích cỡ nhỏ hơn m nhưng mà testset bên trong lỗi là nhỏ hơn so với các tính năng phần m thiết.
Do đó, các thuật toán tham lam có thể kết thúc với một tính năng tốt hơn thiết lập hơn các siêu tham lam một trong những hiện. Các chi phí của thuật toán tham lam cho hàng xóm gần nhất là O ((M + m 2) N log N).