As mentioned in Section 2.1.1, mode

As mentioned in Section 2.1.1, model selection is an important part of the process of designing pattern recognition systems. In order to perform model selection, we need a way to compute and compare the accuracy of different classification algorithms. The accuracy of a classifier C is defined as (1 − Perr ), where Perr is the probability of error, i.e., the probability of a pattern x be misclassified by C. The accuracy can be directly estimated as the fraction of correctly classified patters. For example, assuming the classifier C has been trained using a training dataset D, given a labeled dataset of test examples T = {(z1 , L(z1 )), (z2 , L(z2 )), .., (zNt , L(zNt ))}, with T , D, the accuracy can be computed as

Kết quả (Việt) 1:

Như đã đề cập trong phần 2.1.1, lựa chọn mô hình là một phần quan trọng của quá trình thiết kế hệ thống nhận dạng mô hình. Để thực hiện các mô hình lựa chọn, chúng ta cần một cách để tính toán và so sánh sự chính xác của thuật toán phân loại khác nhau. Độ chính xác của một loại C được định nghĩa là (1 − Perr), trong đó Perr là xác suất của lỗi, tức là, xác suất của một mô hình x được misclassified bởi C. Độ chính xác có thể được ước tính trực tiếp như phần nhỏ của patters phân loại chính xác. Ví dụ, giả sử loại C đã được đào tạo bằng cách sử dụng một tập dữ liệu đào tạo D, được đưa ra một tập dữ liệu có nhãn test ví dụ T = {(z1, L (z1)), (z2, L (z2)),..., (zNt, L (zNt))}, với T, D, độ chính xác có thể được tính như

Kết quả (Việt) 2:

Như đã đề cập ở mục 2.1.1, lựa chọn mô hình là một phần quan trọng của quá trình thiết kế hệ thống nhận dạng mẫu. Để thực hiện mô hình lựa chọn, chúng ta cần một cách để tính toán và so sánh độ chính xác của thuật toán phân loại khác nhau. Độ chính xác của một bộ phân loại C được định nghĩa là (1 - Perr), nơi Perr là xác suất của lỗi, tức là, xác suất của một mô hình x được phân loại sai bởi C. Độ chính xác có thể được ước tính trực tiếp như là phần của patters phân loại chính xác. Ví dụ, giả sử phân loại C đã được đào tạo cách sử dụng một tập dữ liệu D, cho một bộ dữ liệu nhãn của ví dụ thử nghiệm T = {(z1, L (z1)), (z2, L (z2)), .., (zNt, L (zNt))}, với T, D, độ chính xác có thể được tính như