1) error probability classification
错误概率分类
3) type I error probability
1类错误概率
4) classification error rate
分类错误率
1.
For each of the methods,the classification error rate of the selected symptoms is assessed through cross validation using decision tree classifier.
首先,分别采用卡方、似然比、logistic回归等三种方法选择症状与衡量贡献度;并使用决策树分类器,通过交叉验证,评价所选择症状的分类错误率。
2.
,classification error rate or risks of the result are the lowest among all possible classification tools,so are frequently used to be the touchstones of other design method.
依据贝叶斯决策理论设计的分类器具有最优的性能,即所实现的分类错误率或风险在所有可能的分类器中是最小的,因此经常被用来衡量其他分类器设计方法的优劣。
5) error classification rate
错误分类率
6) error probability
错误概率
1.
The new minimum error probability blind equalization based on Newton gradient steepest ascent variable step size algorithm is proposed.
在分析了基于最小错误概率盲均衡算法的基础上,用牛顿梯度变步长算法实现了基于最小错误概率新的变步长盲均衡,克服了固定步长收敛速度和收敛精度之间的矛盾,加快了收敛速度,减小了稳态剩余误差。
补充资料：错误分类偏倚
错误分类偏倚
错误分类是指将一个调查对象，一个数值或一个特征错误地分到不是它所属的类别中。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条