reports how many times on average,

reports how many times on average, the relevance of an example to a class label is incorrectly predicted [44]. Therefore, hamming loss takes into account the prediction error (an incorrect label is predicted) and the missing error (a relevant label not predicted), normalized over total number of classes and total number of examples.

Kết quả (Việt) 1:

báo cáo như thế nào nhiều lần trên trung bình, sự liên quan của một ví dụ để một nhãn lớp là không chính xác dự đoán [44]. Vì vậy, hamming mất mất vào tài khoản dự đoán lỗi (một nhãn không chính xác được dự đoán) và mất tích lỗi (liên quan nhãn không dự đoán), chuẩn hoá trong tổng số các lớp học và tổng số ví dụ.

Kết quả (Việt) 2:

báo cáo bao nhiêu lần trên trung bình, sự liên quan của một ví dụ cho một nhãn lớp là không chính xác dự đoán [44]. Vì vậy, Hamming mất sẽ đưa vào tài khoản các lỗi dự báo (một nhãn không chính xác được dự đoán) và các lỗi mất tích (một nhãn hiệu có liên quan không dự đoán), bình thường so với tổng số lớp và tổng số ví dụ.