Additional concerns relate to the m

Additional concerns relate to the methodology employed when collecting the KDD data, with various researchers [16], [19], [20], [21] commenting adversely on the numerous data artefacts which reside throughout the KDD collection. This is a critical and very significant point. Machine learning is extremely sensitive, and artefacts can have a pronounced effect on classifications. Selection of model parameters itself may be influenced by data impurity, with consequently erroneous decisions made and faulty conclusions drawn.

Kết quả (Việt) 1:

Bổ sung các mối quan tâm liên quan đến các phương pháp sử dụng khi thu thập dữ liệu KDD, với các nhà nghiên cứu [16], [19], [20], [21] nhận xét bất lợi về các đồ tạo tác nhiều dữ liệu nằm trên toàn bộ sưu tập KDD. Đây là một điểm quan trọng và rất significant. Máy học là cực kỳ nhạy cảm, và đồ tạo tác có thể có những tác động phát âm là classifications. Lựa chọn của mô hình tham số chính nó có thể là tác bởi dữ liệu tạp chất, với kết quả sai hoặc quyết định và bị lỗi kết luận rút ra.

Kết quả (Việt) 2:

Thắc mắc khác liên quan đến các phương pháp luận sử dụng khi thu thập các dữ liệu KDD, với các nhà nghiên cứu khác nhau [16], [19], [20], [21] cho ý kiến ​​tiêu cực về nhiều các đồ tạo tác dữ liệu mà cư trú trong suốt bộ sưu tập KDD. Đây là một điểm quan trọng không thể fi và rất trọng yếu. Học máy là cực kỳ nhạy cảm, và các đồ tạo tác có thể có một tác động rõ rệt trên các cation fi classi. Lựa chọn các thông số mô hình chính nó có thể chịu ảnh hưởng bởi các dữ liệu tạp chất, với những quyết định sai lầm do thực hiện và kết luận rút ra bị lỗi.