英语翻译A difficult problem with learning in many real-world domains is that the concept of interest may depend on some hidden context,not given explicitly in the form of predictive features.A typical example is weather prediction rules that may
来源:学生作业帮助网 编辑:六六作业网 时间:2024/09/07 17:00:55
英语翻译A difficult problem with learning in many real-world domains is that the concept of interest may depend on some hidden context,not given explicitly in the form of predictive features.A typical example is weather prediction rules that may
英语翻译
A difficult problem with learning in many real-world domains is that the concept of interest may depend on some hidden context,not given explicitly in the form of predictive features.A typical example is weather prediction rules that may vary radically with the season.Another example is the patterns of customers’ buying preferences that may change with time,depending on the current day of the week,availability of alternatives,inflation rate,etc.Often the cause of change is hidden,not known a priori,making the learning task more complicated.Changes in the hidden context can induce more or less radical changes in the target concept,which is generally known as concept drift (Widmer and Kubat,1996).An effective learner should be able to track such changes and to quickly adapt to them.
A difficult problem in handling concept drift is distinguishing between true concept drift and noise.Some algorithms may overreact to noise,erroneously interpreting it as concept drift,while others may be highly robust to noise,adjusting to the changes too slowly.An ideal learner should combine robustness to noise and sensitivity to concept drift (Widmer and Kubat,1996).
兄弟你速度好快,可惜了,我要的不是在线翻译
英语翻译A difficult problem with learning in many real-world domains is that the concept of interest may depend on some hidden context,not given explicitly in the form of predictive features.A typical example is weather prediction rules that may
在现实世界的多个领域中存在的一个学习方面的困难是:“利率”的含义可能由一些隐含的信息而确定,不能以一些可预测的特征来表示出.一个典型例子就是随着季节变化而发生根本变动的天气预报,另一个例子则是可能随着时间而变化的消费者购买偏好模式,这种偏好的改变依赖于某一周内当期的那个时点、选择性、通货膨胀率等因素.而引起改变的原因常常是隐含的,不能提前得知,这就使得学习任务变得更复杂.发生于隐性环境中的改变,能或多或少地导致在目标环境中的根本改变,这被公认为“概念迁移”.一个高效学习者应该能够跟踪这些变化并且能迅速适应它们.
在处理“概念迁移”过程中存在一个困难,即区分真正的“概念漂移”和“噪音”.一些计算方法可能对噪音过度反应,把噪音错误地解释为概念迁移,而其他算法可能高度增强噪音,对于这些改变的调整过于缓慢.一个理想的学习者应该把对噪音的增强和对概念迁移的敏感有机结合起来.
一个难题,在众多领域与学习的概念是,兴趣可以依靠一些隐藏的语境中,没有明确的预测等特点。一个典型的例子是天气预报规则可能不同彻底的季节。另一个例子是客户购买偏好的模式,可随时间改变的,根据当前的一天是星期几,触手可及的替代品,通货膨胀率等。经常变化的原因是隐藏的,不知道,使得学习变得更复杂。语境的变化会引起隐藏或多或少地彻底改变目标的概念,通常被称为概念和Kubat Widmer漂移(1996年)...
全部展开
一个难题,在众多领域与学习的概念是,兴趣可以依靠一些隐藏的语境中,没有明确的预测等特点。一个典型的例子是天气预报规则可能不同彻底的季节。另一个例子是客户购买偏好的模式,可随时间改变的,根据当前的一天是星期几,触手可及的替代品,通货膨胀率等。经常变化的原因是隐藏的,不知道,使得学习变得更复杂。语境的变化会引起隐藏或多或少地彻底改变目标的概念,通常被称为概念和Kubat Widmer漂移(1996年)。一个有效的学习者应该能够追踪这些变化和快速适应他们。
在处理一个难题,就是区分真正概念漂移的概念和噪音。漂移一些算法可以币值噪声、漂移错误概念解释它,而另一些人则可能是极好地抑制噪声,适应变化的速度太慢。理想的学习者应结合的鲁棒性,提出噪声和灵敏度漂移(Widmer和Kubat概念,1996)。
一些单词,翻译不出来
收起
阿在许多现实世界的领域的学习困难的问题是,利益观念可能取决于一些隐藏的情况下,没有给予明确的预测功能的形式。一个典型的例子是天气预测的规则,可能会随季节根本。另一个例子是客户的购买偏好,可能随时间,根据目前的每周一天,替代品的供应,通货膨胀率等的变化的原因往往是隐藏的模式,不知道先验,使学习任务更加复杂。隐藏在环境的变化可以吸引更多或更少激进的目标概念的变化,这是一般的概念漂移(威德默和库巴特,1...
全部展开
阿在许多现实世界的领域的学习困难的问题是,利益观念可能取决于一些隐藏的情况下,没有给予明确的预测功能的形式。一个典型的例子是天气预测的规则,可能会随季节根本。另一个例子是客户的购买偏好,可能随时间,根据目前的每周一天,替代品的供应,通货膨胀率等的变化的原因往往是隐藏的模式,不知道先验,使学习任务更加复杂。隐藏在环境的变化可以吸引更多或更少激进的目标概念的变化,这是一般的概念漂移(威德默和库巴特,1996年)著名。一个有效的学习者应能够跟踪这些变化,并很快适应。
在处理概念漂移的难题,是区分真正的概念漂移和噪声。有些算法可能反应过度的噪音,错误地解释为概念漂移,有的则可能非常强大的噪音,适应变化太慢。一个理想的学习应结合噪声的鲁棒性和敏感性的概念漂移(威德默和库巴特,1996年)。
收起