The previous results included time

The previous results included time to complain as a feature; again, this is the time lag between the last QC reading by the system and the time when a customer placed a complaint (Figure 1). This is unrealistic, as in a real application, we would not know when a customer is going to complain. As a result, we assessed the impact of removing the time to complain feature from our classifiers. Both CART and adaptive boosting were affected by this removal, even if all five assays still had median error rates < 50% and as low as 20% with adaptive boosting (Multimedia Appendix 5). This increase in error rate after removal of this feature shows that time to complain is an important determinant of a complaint, which in turn suggests that customers are quick to complain after detecting a QC shift.Note, however, that this removal of the most important feature did not affect the relative importance of the other features: those involved in the timing of maintenance events and those describing the variability of concentrations (SDs) were still the most important predictors (Multimedia Appendix 7).

結果 (繁體中文) 1:

以前的結果包括時間抱怨作為特徵; 再次，這是由系統的最後一個QC讀取和當顧客放置的投訴（圖1）的時間之間的時間滯後。這是不現實的，因為在實際應用中，我們不知道什麼時候客戶會抱怨。作為結果，我們評估取出時間，從我們的分類抱怨特徵的影響。既CART和自適應增強是由該去除影響，即使所有五個試驗仍然有中位錯誤率<50％，並且低至與自適應增強（多媒體附錄5）20％。這增加了錯誤率去除這一功能表明，時間抱怨後投訴，而這又意味著客戶是快速檢測QC後移抱怨的一個重要決定因素。
但是請注意，這去除最重要的功能沒有影響的其他特徵的相對重要性：那些參與維護事件的時間和那些描述的濃度（SDS）的變化仍是最重要的預測（多媒體附件7）。

結果 (繁體中文) 2:

以前的結果包括時間投訴作為一個功能;同樣，這是系統上次進行 QC 讀數與客戶投訴時間之間的時滯（圖 1）。這是不現實的，因為在實際應用中，我們不知道客戶何時會抱怨。因此，我們評估了從分類器中刪除投訴時間功能的影響。CART 和自我調整提升都受到此刪除的影響，即使所有五個檢測仍然具有中位誤差率 + 50% 和低至 20% 與自我調整提升 （多媒體附錄 5）。刪除此功能後錯誤率的增加表明，投訴時間是投訴的一個重要決定因素，這反過來又表明客戶在檢測到 QC 轉移後會迅速投訴。
但是請注意，刪除最重要的功能並不影響其他功能的相對重要性：涉及維護事件時間以及描述濃度變化（SD）的特徵的那些特徵仍然是最重要的預測變數（多媒體附錄7）。

結果 (繁體中文) 3:

先前的結果包括將投訴時間作為一個特性；同樣，這是系統最後一次讀取QC數據與客戶提出投訴之間的時間差（圖1）。這是不現實的，因為在實際的應用程序中，我們不知道客戶何時會抱怨。囙此，我們評估了從分類器中删除抱怨時間功能的影響。CART和adaptive boosting都受此移除的影響，即使所有五種分析的中比特錯誤率仍小於50%，並且adaptive boosting的中比特錯誤率低至20%（多媒體附錄5）。删除此功能後錯誤率的新增表明，投訴時間是投訴的一個重要决定因素，這反過來表明，客戶在檢測到品質控制輪班後會很快投訴。
然而，請注意，删除最重要的特徵並不影響其他特徵的相對重要性：參與維護事件時間安排的特徵和描述濃度變化（SDs）的特徵仍然是最重要的預測因素（多媒體附錄7）。