电报的日文

• 学習用の電報を全体で１５０，０００通，学習用の電報とは別に試験用の未知の電報を４０，９８１通用意した．
  学习用的电报全部准备了１５０，０００封，不同于学习用的电报的另外的试验用的未知电报准备了４０，９８１封。
• 学習用の電報を全体で１５０，０００通，学習用の電報とは別に試験用の未知の電報を４０，９８１通用意した．
  学习用的电报全部准备了１５０，０００封，不同于学习用的电报的另外的试验用的未知电报准备了４０，９８１封。
• 学習用の電報を全体で１５０，０００通，学習用の電報とは別に試験用の未知の電報を４０，９８１通用意した．
  学习用的电报全部准备了１５０，０００封，不同于学习用的电报的另外的试验用的未知电报准备了４０，９８１封。
• 電報分類問題においては，分野の生起確率等を支配する真のパラメータθ？は未知であるが，仮に既知であった場合を考えてみる．
  电报分类问题中，支配分类的生成概率等的真的参数θ？虽然未知，但是我们试着考虑假设为已知的情况。
• また，Ｎａｉｖｅ―Ｂａｙｅｓ法に基づく電報分類方法と提案方法との違いを，アルゴリズムの導出過程の違いから考察した．
  另外，我们还从算法的导出过程的差异来考察了基于Ｎａｉｖｅ―Ｂａｙｅｓ法的电报分类方法和提议方法的区别。
• この実験では人手によって「結婚」，「クリスマス」等の２０の分野に分類されている電報データを用いた（｜Ｃ｜　＝　２０）．
  这个实验中，使用了通过人力进行分类的“结婚”、“圣诞节”等２０个类别的电报数据（｜Ｃ｜　＝　２０）。
• ＠ｅｑｕａｔｉｏｎ＿０＠次に，Ｎａｉｖｅ―Ｂａｙｅｓ法に基づく電報分類方法では未知の電報を分類する分野が次式によって決定される．
  ＠ｅｑｕａｔｉｏｎ＿０＠接着，基于Ｎａｉｖｅ―Ｂａｙｅｓ法的电报分类方法中，未知电报的分类类别由下式所决定。
• ＠ｅｑｕａｔｉｏｎ＿０＠次に，Ｎａｉｖｅ―Ｂａｙｅｓ法に基づく電報分類方法では未知の電報を分類する分野が次式によって決定される．
  ＠ｅｑｕａｔｉｏｎ＿０＠接着，基于Ｎａｉｖｅ―Ｂａｙｅｓ法的电报分类方法中，未知电报的分类类别由下式所决定。
• さらに，最尤推定法を採用したＮａｉｖｅ―Ｂａｙｅｓ法を電報分類問題に適用した従来方法と本研究における提案方法の関係について考察する．
  并且，考察把采用了最优推定法Ｎａｉｖｅ―Ｂａｙｅｓ法运用到电报分类问题中去的以前的方法和本研究中的提议方法的关系。
• Θ？が既知の場合には，式（９）のリスク関数を最小にする電報分類方法が最適な電報分類方法＠ｅｑｕａｔｉｏｎ＿０＠であり，次式で示される．
  θ？为已知的情况下，使式（９）的风险函数为最小的电报分类方法为最佳电报分类方法＠ｅｑｕａｔｉｏｎ＿０＠，由下式表示。