Bayesian proceduresUnlike frequenti

Bayesian procedures
Unlike frequentist procedures, Bayesian classification procedures provide a natural way of taking into account any
available information about the relative sizes of the sub-populations associated with the different groups within the
overall population.[6] Bayesian procedures tend to be computationally expensive and, in the days before Markov
chain Monte Carlo computations were developed, approximations for Bayesian clustering rules were devised.[7]
Some Bayesian procedures involve the calculation of group membership probabilities: these can be viewed as
providing a more informative outcome of a data analysis than a simple attribution of a single group-label to each new
observation

Results (Thai) 1:

ขั้นตอนทฤษฎี
ซึ่งแตกต่างจากกระบวนการ frequentist ทฤษฎีการจัดประเภทกระบวนงานให้พิจารณาวิธีธรรมชาติใด ๆ
มีรายละเอียดเกี่ยวกับขนาดที่เปรียบเทียบของประชากรย่อยที่เชื่อมโยงกับกลุ่มต่าง ๆ ภายใน
ประชากรโดยรวม[6] ทฤษฎีขั้นตอนมักจะ computationally แพง และ ในวันก่อน Markov
ประมวลผล Carlo มอนเชนได้รับการพัฒนา เพียงการประมาณสำหรับทฤษฎีกฎระบบคลัสเตอร์ถูกกำหนด[7]
ทฤษฎีบางตอนเกี่ยวข้องกับการคำนวณของกลุ่มสมาชิกกิจกรรม: เหล่านี้สามารถใช้เป็น
ให้ผลลัพธ์เพิ่มเติมข้อมูลการวิเคราะห์ข้อมูลกว่าแสดงตัวอย่างของกลุ่มป้ายเดียวที่ไปใหม่
สังเกต

Results (Thai) 2:

วิธีการแบบเบย์
ซึ่งแตกต่างจากวิธีการ frequentist ขั้นตอนการจำแนกแบบเบย์ให้เป็นวิธีที่ธรรมชาติของการคำนึงถึงการใด ๆ
เกี่ยวกับข้อมูลที่มีขนาดญาติของประชากรย่อยที่เกี่ยวข้องกับกลุ่มที่แตกต่างกันภายใน
ประชากรโดยรวม. [6] วิธีการแบบเบย์มีแนวโน้มที่จะมีราคาแพงและคอมพิวเตอร์ ในวันก่อนที่มาร์คอฟ
โซ่คำนวณ Monte Carlo ถูกพัฒนาใกล้เคียงสำหรับกฎการจัดกลุ่มแบบเบย์ถูกคิดค้น [7].
บางขั้นตอนที่เกี่ยวข้องกับการคชกรรมคำนวณความน่าจะเป็นของกลุ่มสมาชิก: เหล่านี้จะถูกมองว่าเป็น
ผลให้ข้อมูลเพิ่มเติมของการวิเคราะห์ข้อมูลกว่า แสดงที่เรียบง่ายของกลุ่มป้ายชื่อเดียวเพื่อแต่ละรุ่นใหม่ของ
การสังเกต

Results (Thai) 3:

คชกรรมวิธีการ
ซึ่งแตกต่างจากขั้นตอน frequentist ขั้นตอนการจำแนกแบบให้ธรรมชาติวิธีการถ่ายลงในบัญชีใด
ข้อมูลที่มีอยู่เกี่ยวกับขนาดสัมพัทธ์ของประชากรย่อยที่เกี่ยวข้องกับกลุ่มประชากรโดยรวมภายใน
. [ 6 ] ขั้นตอนการพยากรณ์มีแนวโน้มที่จะ computationally แพง และ ในวันก่อน
มาร์คอฟโซ่ Monte Carlo คณนาได้รับการพัฒนา , การแบ่งกลุ่มสำหรับระบบกฎถูกสร้างขึ้น [ 7 ]
บางขั้นตอนที่เกี่ยวข้องกับการคำนวณความน่าจะเป็นแบบเบย์ สมาชิกของกลุ่มเหล่านี้สามารถถูกมองว่าเป็น
ให้เพิ่มผลของการวิเคราะห์ข้อมูลมากกว่าลักษณะที่เรียบง่ายของกลุ่มชื่อเดียวกันใหม่
การสังเกต