Comparisons between different input

Comparisons between different input data enhancement categories
required accounting for the fact that the mean effect size of each enhancementmethod
depended on themean overall accuracy of the baseline
classification for the case studies investigating that method. For
example, if the case studies of one enhancement method had a mean
OA of 90% for the baseline classification whereas another method had
amean OA of 70% for its baseline classification, the enhancement method
with the 90% baseline mean OA would have more difficulty improving
accuracy relative to this baseline. Because different enhancement
methods were not implemented on the same set of case studies,
comparison of effect sizes for different enhancement methods must be
adjusted for different mean baseline overall accuracies. Analysis of Covariance
(ANCOVA) using overall accuracy of the baseline classification
as the covariate provides the needed adjustment. ANCOVA compares
mean effect size for each enhancement method adjusted to a common
baseline OA. Because the comparisonmay vary depending on the choice
of OA to which the adjustment is made, we report the results of the
ANCOVA for three levels of baseline overall accuracy, 70%, 80%, and
90% (Table 5). Thus the comparison of adjusted means evaluates differences
in mean effect sizes if the first (baseline) classification has overall
accuracy of 70%, 80%, and 90% (Table 5). Pairwise comparisons of input
data enhancement categories based on the adjusted mean effect sizes
were evaluated using the Tukey–Kramer test to control experimentwise
type I error rate at α = 0.05. Note that this ANCOVA approach was not
needed in the comparison of classification algorithm families (Table 2)
because of the matched-pair feature of those comparisons.

Kết quả (Việt) 1:

So sánh giữa các dữ liệu đầu vào khác nhau nâng cao loạiyêu cầu kế toán cho một thực tế rằng có hiệu lực có nghĩa là kích thước của mỗi enhancementmethodphụ thuộc vào themean tổng thể tính chính xác của đường cơ sởphân loại cho các nghiên cứu trường hợp, điều tra các phương pháp đó. ChoVí dụ, nếu các nghiên cứu trường hợp của một nâng cao phương pháp này có nghĩa là mộtOA 90% cho việc phân loại cơ sở trong khi đã có một phương pháp khácamean OA 70% cho phân loại cơ sở của nó, các phương pháp nâng caovới nghĩa là 90% cơ sở OA sẽ có nhiều khó khăn cải thiệnđộ chính xác tương đối so với đường cơ sở này. Bởi vì nâng cao khác nhauphương pháp không được thực hiện trên cùng một tập hợp của nghiên cứu trường hợp,so sánh các kích thước có hiệu lực cho các phương pháp khác nâng cao phảiđiều chỉnh cho các cơ sở khác nhau có nghĩa là tổng thể phàm. Phân tích của hiệp phương sai(ANCOVA) bằng cách sử dụng tổng thể tính chính xác của việc phân loại cơ sởnhư covariate cung cấp các điều chỉnh cần thiết. So sánh ANCOVAcó nghĩa là kích thước hiệu quả cho từng phương pháp nâng cao điều chỉnh cho một phổ biếnđường cơ sở OA. Bởi vì comparisonmay khác nhau tùy thuộc vào sự lựa chọncủa OA mà việc điều chỉnh được thực hiện, chúng tôi báo cáo các kết quả của cácANCOVA cho ba cấp độ đường cơ sở chính xác tổng thể, 70%, 80%, và90% (bảng 5). Vì thế so sánh điều chỉnh phương tiện đánh giá sự khác biệtcó nghĩa là hiệu ứng kích thước nếu phân loại (baseline) đầu tiên đã tổng thểđộ chính xác của 70%, 80% và 90% (bảng 5). Các so sánh cử đầu vàodữ liệu nâng cao loại dựa trên kích thước điều chỉnh có hiệu lực có nghĩa làđược đánh giá bằng cách sử dụng thử nghiệm Tukey-Kramer để kiểm soát experimentwiseloại I tỷ lệ lỗi tại α = 0,05. Lưu ý rằng ANCOVA cách tiếp cận này đã khôngcần thiết trong so sánh của các gia đình thuật toán phân loại (bảng 2)bởi vì các tính năng phù hợp với cặp của những so sánh.

Kết quả (Việt) 2:

So sánh giữa các chủng loại tăng cường dữ liệu đầu vào khác nhau
cần chiếm một thực tế rằng kích thước trung bình ảnh hưởng của mỗi enhancementmethod
phụ thuộc vào themean chính xác tổng thể của đường cơ sở
phân loại cho các nghiên cứu trường hợp điều tra phương thức đó. Ví
dụ, nếu các nghiên cứu trường hợp của một phương pháp nâng cao có nghĩa là
viêm khớp 90% cho việc phân loại cơ bản trong khi các phương pháp khác có
OA amean 70% đối với phân loại cơ bản của nó, phương pháp nâng cao
với đường cơ sở 90% có nghĩa là viêm khớp sẽ gặp khó khăn hơn cải thiện
độ chính xác tương đối với cơ sở này. Bởi vì nâng cao khác nhau
phương pháp không được thực hiện trên cùng một tập hợp các nghiên cứu trường hợp,
so sánh về kích thước hiệu ứng cho phương pháp nâng cao khác nhau phải được
điều chỉnh cho độ chính xác tổng thể cơ sở trung bình khác nhau. Phân tích của Hiệp phương sai
(ANCOVA) sử dụng chính xác tổng thể của việc phân loại cơ bản
như covariate cung cấp các điều chỉnh cần thiết. ANCOVA so sánh
kích thước hiệu ứng cho mỗi phương pháp tăng cường điều chỉnh đến một chung có nghĩa
OA đường cơ sở. Bởi vì comparisonmay khác nhau tùy thuộc vào sự lựa chọn
của viêm khớp mà việc điều chỉnh được thực hiện, chúng tôi báo cáo các kết quả của
ANCOVA cho ba cấp độ chính xác tổng thể cơ sở, 70%, 80%, và
90% (Bảng 5). Như vậy việc so sánh các phương tiện điều chỉnh đánh giá sự khác biệt
trong kích thước hiệu ứng trung bình nếu người đầu tiên (cơ bản) phân loại tổng thể có
độ chính xác là 70%, 80%, và 90% (Bảng 5). So sánh cặp đầu vào
loại nâng cao dữ liệu dựa trên nghĩa là kích thước hiệu ứng điều chỉnh
được đánh giá bằng cách sử dụng thử nghiệm Tukey-Kramer để kiểm soát experimentwise
loại I lỗi tốc độ α = 0,05. Lưu ý rằng phương pháp ANCOVA này không
cần thiết trong việc so sánh các thuật toán phân loại các gia đình (Bảng 2)
vì những tính năng phù hợp-cặp so sánh đó.