We considered also the over fitting

We considered also the over fitting of complex SVR method as proposed above. The 10-fold cross validation learning process was applied to the SVR model due to over fitting problem discovery; therefore, 80 percentages of the total dataset was used for the 10-fold cross validation learning process and the rest dataset was opted for the testing process. These results are shown in Fig. 11. At this stage, we found that the mean absolute percentage errors of each fold are closely to the mean absolute percentage error of the normal SVR model. It can be conclude that SVR model has a capability to handle the over fitting problem.

Results (Thai) 1:

เราถือกว่าซับซ้อน SVR วิธีการตามที่เสนอข้างต้นที่เหมาะสม การตรวจสอบข้าม 10-fold กระบวนการเรียนรู้ใช้ SVR แบบชำระเงินผ่านอุปกรณ์ค้นหาปัญหา ดังนั้น ใช้ 80 เปอร์เซ็นต์ของผลรวมชุดข้อมูลสำหรับการตรวจสอบข้าม 10-fold กระบวนการเรียนรู้ และชุดข้อมูลที่เหลือถูกเลือกสำหรับกระบวนการทดสอบ ผลลัพธ์เหล่านี้จะแสดงในรูปที่ 11 ในขั้นตอนนี้ เราพบว่า ข้อผิดพลาดหมายถึงเปอร์เซ็นต์ที่แน่นอนของแต่ละพับชิดข้อผิดพลาดหมายถึงเปอร์เซ็นต์ที่แน่นอนของรูปแบบ SVR ปกติ สามารถสรุปได้ว่า รุ่น SVR มีความสามารถในการจัดการกับปัญหาที่เหมาะสมได้

Results (Thai) 2:

เราถือว่ายังมากกว่าที่เหมาะสมของวิธีการที่ซับซ้อน SVR ที่เสนอข้างต้น 10 เท่ากระบวนการเรียนรู้การตรวจสอบข้ามถูกนำไปใช้กับรูปแบบ SVR เนื่องจากเกินค้นพบปัญหาที่เหมาะสม; ดังนั้น 80 เปอร์เซ็นต์ของชุดข้อมูลทั้งหมดถูกนำมาใช้สำหรับการตรวจสอบกระบวนการเรียนรู้ 10 เท่าข้ามและชุดส่วนที่เหลือได้รับการเลือกใช้สำหรับขั้นตอนการทดสอบ ผลการเหล่านี้จะปรากฏในรูป 11. ในขั้นตอนนี้เราพบว่ามีค่าเฉลี่ยร้อยละข้อผิดพลาดที่แน่นอนของแต่ละพับอยู่อย่างใกล้ชิดกับข้อผิดพลาดเปอร์เซ็นต์แน่นอนค่าเฉลี่ยของรูปแบบ SVR ปกติ มันอาจจะสรุปได้ว่ารูปแบบ SVR มีความสามารถในการจัดการกับปัญหาที่เกิดขึ้นในช่วงที่เหมาะสม

Results (Thai) 3:

เราถือว่ายังมากกว่าที่เหมาะสมของวิธีการ SVR ซับซ้อนตามที่เสนอข้างต้น 10 โฟลดการเรียนรู้มาใช้ในรูปแบบใหม่การค้นพบกล่าวเนื่องจากปัญหาที่เหมาะสม ; ดังนั้น , 80 เปอร์เซ็นต์ของข้อมูลทั้งหมดที่ใช้คือ 10 โฟลดกระบวนการเรียนรู้และส่วนที่เหลือวันที่ถูกเลือกสำหรับกระบวนการทดสอบ ผลลัพธ์เหล่านี้แสดงในรูปที่ 11 ในขั้นตอนนี้ เราจะพบว่า ค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์ของแต่ละคอกจะใกล้เคียงกับค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อนของแบบจำลองกล่าวปกติ มันสามารถสรุปได้ว่ารูปแบบ SVR มีความสามารถที่จะจัดการกับมากกว่าปัญหาที่เหมาะสม