|
关注：1
2013-05-23 12:21
求翻译：where c[j] used in each iteration of l counts the number of training instances with label l whose k nearest neighbors contain exactly j instances with label l. Correspondingly, c 0 [j] counts the number of training instances without label l whose k nearest neighbors contain exactly j instances with label l. Finally, us是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
where c[j] used in each iteration of l counts the number of training instances with label l whose k nearest neighbors contain exactly j instances with label l. Correspondingly, c 0 [j] counts the number of training instances without label l whose k nearest neighbors contain exactly j instances with label l. Finally, us
问题补充： |
|
2013-05-23 12:21:38
其中c [J]。中升每一次迭代计算使用培训实例与标签L的k个最近的邻居包括与标签L正是Ĵ实例的数量。
|
|
2013-05-23 12:23:18
正在翻译，请等待...
|
|
2013-05-23 12:24:58
那里用于(l的) 每叠代j的c计数训练的数字举例与k最近的邻居确切地包含j事例与标签l.的标签l。 相应地， c 0 (j) 计数训练事例的数量，不用k最近的邻居确切地包含j事例与标签l.的标签l。 终于，使用贝叶斯规则，步从 (14) 到 (18) 计算根据估计的可能性的算法的产品。
|
|
2013-05-23 12:26:38
c [j] 中使用位置 l 计数每个迭代训练实例的数量与标签 l 的 k 近邻包含完全 j 实例与标签 l.相应地，c 0 [j] 计数没有标签 l 的 k 近邻包含完全 j 实例与标签 l 训练实例的数量。最后，从 （14） 到 （18） 的步骤使用贝叶斯规则，计算算法的输出基于估计的概率。
|
|
2013-05-23 12:28:18
哪里在 l 的每个反复中使用的 c(j) 以标签计算训练示例数量 l 其 k 最近的邻居控制一丝不差的 j 有标签的示例 l。相对地， c 0(j) 计算没有标签的训练示例数量 l 其 k 最近的邻居控制一丝不差的 j 有标签的示例 l。最终，使用贝斯定理的规则，步骤从 (14) 到 (18) 估算算法的产品根据预计可能性。
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
