1. Shuffle the data set and split i

1. Shuffle the data set and split into a training set of 70% of the data and a testset of the remaining 30%.
2. Let j vary among feature-set sizes: j = ( 0 , 1 , 2 , ... , m )
a. Let fsj = best feature set of size j, where “best” is measured as the minimizer of the leave-one-out cross-validation error over the training set.
b. Let Testscore j = the RMS prediction error of feature set fsj on the test set.
End of loop of (j).
3. Select the feature set fsj for which the test-set score is minimized.
Figure 7-1: Cascaded cross-validation procedure for finding the best set of up to m features.

Kết quả (Việt) 1:

1. trộn tập dữ liệu và chia thành bộ đào tạo của 70% của các dữ liệu và một testset của 30% còn lại.2. cho j khác nhau trong số các tính năng thiết lập kích thước: j = (0, 1, 2,..., m) a. cho fsj = bộ tính năng tốt nhất của kích thước j, nơi "tốt nhất" được đo như minimizer để lại một ra đường xác nhận lỗi trên tập huấn luyện.sinh cho Testscore j = RMS dự báo lỗi của fsj thiết lập tính năng trên các thiết lập thử nghiệm.Kết thúc vòng lặp của (j).3. chọn tính năng thiết lập fsj mà tập thử nghiệm điểm được tối thiểu hoá.Hình 7-1: Cascaded xác nhận qua thủ tục cho việc tìm kiếm tốt nhất đặt của lên đến tính năng m.

Kết quả (Việt) 2:

1. Shuffle tập dữ liệu và phân chia thành một tập huấn luyện của 70% dữ liệu và một testset, còn lại 30%.
2. Hãy j khác nhau giữa kích cỡ bộ những tính năng: j = (0, 1, 2, ..., m)
a. Hãy fsj = Tính năng thiết lập tốt nhất của kích thước j, nơi "tốt nhất" được đo lường bằng sự minimizer của để lại-một-ra lỗi cross-validation trên tập huấn luyện.
B. Hãy Testscore j = các lỗi dự báo RMS của tính năng thiết lập fsj trên tập kiểm tra.
Kết thúc vòng lặp của (j).
3. Chọn fsj tính năng thiết lập mà số điểm thử nghiệm thiết lập được giảm thiểu.
Hình 7-1: Cascaded thủ tục qua xác nhận cho việc tìm kiếm các thiết lập tốt nhất lên đến m tính năng.