助手标题  
全文文献 工具书 数字 学术定义 翻译助手 学术趋势 更多
查询帮助
意见反馈
   k-折交叉确认 的翻译结果: 查询用时:0.516秒
图标索引 在分类学科中查询
所有学科
计算机软件及计算机应用
更多类别查询

图标索引 历史查询
 

k-折交叉确认
相关语句
  k-fold cross-validation
     Its accuracy can be estimated by K-fold cross-validation.
     决策树算法的准确率可以由K-折交叉确认进行检验。
短句来源
     The learning process of the decision tree involves the selection of training data, while the credibility of the decision tree involves assessing validity. This can be solved with improved K-fold cross-validation.
     决策树的学习涉及到训练集的选择,分类器的可信度涉及到正确性的评估,这可以通过改进的k-折交叉确认(k-fold cross-validation)方法解决。
短句来源
  相似匹配句对
     Its accuracy can be estimated by K-fold cross-validation.
     决策树算法的准确率可以由K-交叉确认进行检验。
短句来源
     cross-lineage expression and "null cell" type.
     交叉表达 ;
短句来源
     Appraisal of Sepiolite
     海泡石的确认
短句来源
     (2) cross lineage expression;
     交叉表达 ;
短句来源
     Determination of the Criminal Suspect
     犯罪嫌疑人的确认
短句来源
查询“k-折交叉确认”译词为用户自定义的双语例句

    我想查看译文中含有:的双语例句
例句
为了更好的帮助您理解掌握查询词或其译词在地道英语中的实际用法,我们为您准备了出自英文原文的大量英语例句,供您参考。
  k-fold cross-validation
Iterated k-fold cross-validation is used for this purpose.
      
This analysis is then validated through k-fold cross-validation of enrichments via several common classifiers.
      
This analysis is then validated through k-fold cross-validation of enrichments via several common classifiers.
      
As often a large test set is not available we use K-fold cross-validation to adjust for selection bias.
      
By accepting some bias, but less variance a smaller MSE is achieved by using k-fold cross-validation instead of hold-one-out.
      
更多          


>=SVM is a new classification technology based on the theory of statistic learning and idea of structural risk minimization.In many applications, SVM has been shown to provide higher performance than traditional learning machines and has been introduced as powerful tools for solving problems of classification. In this paper, we apply SVM into discriminant analysis of DNA sequences. Some concluding remarks and contrast to other traditional statistic discriminant analysis method are given in the end.

本文利用SVM方法对DNA序列样本进行判别分类,将编码区序列与非编码区序列作为两个总体,将输入空间映射到高维空间,以求在高维空间中问题线性可分或接近线性可分。再得到原空间的判别曲面,用所得到的判别曲面对编码区与非编码区有差异的特征序列进行划分。为了评估SVM方法分类的准确率,我们采用统计分析中的k-折交叉确认方法对样本数据进行了训练样本与测试,并将其结果与传统的判别分析法进行对照。实际处理结果表明在小样本情况下,SVM方法克服传统的判别分析方法对总体分布要求的局限性,分类效果优于传统的判别分析方法。

 
图标索引 相关查询

 


 
CNKI小工具
在英文学术搜索中查有关k-折交叉确认的内容
在知识搜索中查有关k-折交叉确认的内容
在数字搜索中查有关k-折交叉确认的内容
在概念知识元中查有关k-折交叉确认的内容
在学术趋势中查有关k-折交叉确认的内容
 
 

CNKI主页设CNKI翻译助手为主页 | 收藏CNKI翻译助手 | 广告服务 | 英文学术搜索
版权图标  2008 CNKI-中国知网
京ICP证040431号 互联网出版许可证 新出网证(京)字008号
北京市公安局海淀分局 备案号:110 1081725
版权图标 2008中国知网(cnki) 中国学术期刊(光盘版)电子杂志社