نمايش پست تنها
قديمي ۰۴-۸-۱۳۹۲, ۰۵:۵۰ بعد از ظهر   #6 (لینک دائم)
raha_hakhamanesh Male
Super Moderator
 
آواتار raha_hakhamanesh
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: دنیا
پست ها: 281
تشكرها: 28
253 تشكر در 147 پست
My Mood: Zodranj
پيش فرض

نقل قول:
نوشته اصلي بوسيله dbdb2458 نمايش پست
یه مقاله دارم شبیه سازی میکنم که توش نوشته
A small sample modeling algorithm for grid IFFs
(Bayesian-LSSVM) was proposed. Training samples
and testing samples were chosen by using the leave one
out (LOO) method

میخام بدونم یعنی چی؟

با سلام
روش Leave-One-Subject-Out روش متداولی است که وقتی دیتا به اندازه کافی نداریم یا مجموعه داده ها کوچک هستند از این روش استفاده می شود در این روش

یک عضو از مجموعه را بعنوان داده تست و بقیه داده های بعنوان داده های آموزشی در نظر می گیریم و نتیجه را ارزیابی می کنیم سپس
عضو دیگری را بعنوان داده تست درنظر می گیریم و بقیه بعنوان داده آموزشی و نتیجه را ارزیابی می کنیم
به همین ترتیب کار را تکرار می کنیم تا همه داده ها حداقل یکبار بعنوان داده تست در نظر گرفته شود و میانگین نتایج به عنوان نتیجه این روش معرفی می شود

مثال
20 داده اثرانگشت دارم می خواهم ببینم در کدام گروه از دسته بندی روش Henry قرار می گیرند.
ابتدا نمونه شماره 1 را بعنوان تست و 19 مورد شماره 2 تا 20 را بعنوان آموزش انتخاب میکنم و نتیجه را ثبت می کنیم
سپس داده شماره 2 را بعنوان تست و بقیه را بعنوان آموزش در نظر گرفته و نتیجه را ثبت می کنیم
این کار را ادامه می دهیم تا به داده 20 برسیم و آن را بعنوان تست و بقیه را بعنوان آموزش در نظر گرفته و نتیجه را ثبت می کنیم
پس ما 20 بار یک الگوریتم را با این داده ها آزمایش کرده ایم میانگین آنها نتیجه روش مان خواهد بود.

همچنین توصیه می کنم این صفحه ویکی را ببینید http://en.wikipedia.org/wiki/Cross-v...on_(statistics)

موفق باشید
.
__________________
.
.
.
برای تشکر دکمه مخصوص وجود دارد لطفا پست هرز ایجاد نکنید
.
.
اینقدر از دسترسی نداشتن به مقاله شیون نکنید

مقالات انگلیسی: ایران سای (ISI, IEEE, ACM)
مقالات فارسی: سیویلیکا (کنفرانس داخلی)
مقالات فارسی: مگ ایران (ژورنالهای داخلی)
raha_hakhamanesh آفلاين است   پاسخ با نقل قول
از raha_hakhamanesh تشكر كرده است:
dbdb2458 (۰۴-۸-۱۳۹۲)