Классифицируйте ансамбль использования наблюдений деревьев решений
Statistics and Machine Learning Toolbox / Классификация
Блок ClassificationEnsemble Predict классифицирует наблюдения с помощью ансамбля деревьев решений (ClassificationEnsemble
, ClassificationBaggedEnsemble
, или CompactClassificationEnsemble
) для классификации мультиклассов.
Импортируйте обученный объект классификации в блок путем определения имени переменной рабочей области, которая содержит объект. Входной порт x получает наблюдение (данные о предикторе), и выходной порт label, возвращает предсказанную метку класса для наблюдения. Можно добавить дополнительный выходной порт score, который возвращает предсказанные баллы класса или апостериорные вероятности.
x
— Данные о предиктореДанные о предикторе в виде вектор-столбца или вектора-строки из одного наблюдения.
Переменные в x должны иметь тот же порядок как переменные предикторы, которые обучили модель, заданную Select trained machine learning model
.
Типы данных: single
| double
| half
| int8
| int16
| int32
| int64
| uint8
| uint16
| uint32
| uint64
| Boolean
| fixed point
label
— Предсказанная метка классаПредсказанная метка класса, возвращенная как скаляр. Предсказанный класс является классом, дающим к самому большому счету.
Типы данных: single
| double
| half
| int8
| int16
| int32
| int64
| uint8
| uint16
| uint32
| uint64
| Boolean
| fixed point
| enumerated
score
— Предсказанные баллы класса или апостериорные вероятностиПредсказанные баллы класса или апостериорные вероятности, возвращенные как вектор-строка из размера 1 k, где k является количеством классов в древовидной модели.
Чтобы проверять порядок классов, используйте ClassNames
свойство древовидной модели задано Select trained machine learning model
.
Чтобы включить этот порт, установите флажок для Add output port for predicted class scores
на вкладке Main диалогового окна Block Parameters.
Определение и область значений значений классификационной оценки зависят от метода агрегации ансамбля. Можно задать метод агрегации ансамбля при помощи 'Method'
аргумент значения имени fitcensemble
когда обучение модель ансамбля. Для получения дополнительной информации смотрите раздел More About predict
страница ссылки на функцию.
Типы данных: single
| double
| half
| int8
| int16
| int32
| int64
| uint8
| uint16
| uint32
| uint64
| Boolean
| fixed point
Select trained machine learning model
— Модель ансамбля классификацииensMdl
(значение по умолчанию) | ClassificationEnsemble
возразите | ClassificationBaggedEnsemble
возразите | CompactClassificationEnsemble
объектЗадайте имя переменной рабочей области, которая содержит ClassificationEnsemble
объект, ClassificationBaggedEnsemble
объект или CompactClassificationEnsemble
объект.
Когда вы обучаете модель при помощи fitcensemble
, следующие ограничения применяются:
Необходимо обучить ансамбль, использующий древовидных слабых учеников.
Данные о предикторе не могут включать категориальные предикторы (logical
категориальный
'char'
Строка
, или cell
). Если вы снабжаете обучающими данными в таблице, предикторы должны быть числовыми (double
или single
). Кроме того, вы не можете использовать 'CategoricalPredictors'
аргумент значения имени. Чтобы включать категориальные предикторы в модель, предварительно обработайте категориальные предикторы при помощи dummyvar
прежде, чем подбирать модель.
Значение 'ScoreTransform'
аргументом значения имени не может быть 'invlogit'
или анонимная функция.
Вы не можете использовать суррогатные разделения для древовидных слабых учеников, то есть, значения 'Surrogate'
аргументом значения имени должен быть 'off'
(значение по умолчанию), когда вы задаете древовидных слабых учеников при помощи templateTree
функция.
Параметры блоков:
TrainedLearner |
Ввод: переменная рабочей области |
Значения:
ClassificationEnsemble возразите | ClassificationBaggedEnsemble возразите | CompactClassificationEnsemble объект |
Значение по умолчанию:
'ensMdl' |
Add output port for predicted class scores
— Добавьте второй выходной порт для предсказанных баллов классаoff
(значение по умолчанию) | on
Установите флажок, чтобы включать второй выходной порт score в блок ClassificationEnsemble Predict.
Параметры блоков:
ShowOutputScore |
Ввод: символьный вектор |
Значения:
'off' | 'on' |
Значение по умолчанию:
'off' |
Integer rounding mode
— Режим Rounding для операций фиксированной точкиFloor
(значение по умолчанию) | Ceiling
| Convergent
| Nearest
| Round
| Simplest
| Zero
Задайте округляющийся режим для операций фиксированной точки. Для получения дополнительной информации смотрите Округление (Fixed-Point Designer).
Параметры блоков всегда вокруг к самому близкому представимому значению. Чтобы управлять округлением параметров блоков, введите выражение с помощью MATLAB® функция округления в поле маски.
Параметры блоков:
RndMeth |
Ввод: символьный вектор |
Значения:
'Ceiling' | 'Convergent' | 'Floor' | 'Nearest' | 'Round' | 'Simplest' | 'Zero' |
Значение по умолчанию:
'Floor' |
Saturate on integer overflow
— Метод действия переполненияoff
(значение по умолчанию) | on
Задайте, насыщает ли переполнение или переносится.
Действие | Объяснение | Повлияйте на переполнение | Пример |
---|---|---|---|
Установите этот флажок ( | Ваша модель имеет возможное переполнение, и вы хотите явную защиту насыщения в сгенерированном коде. | Переполнение насыщает или к минимальному или к максимальному значению, которое может представлять тип данных. | Максимальное значение, что |
Снимите этот флажок ( | Вы хотите оптимизировать КПД своего сгенерированного кода. Вы не хотите чрезмерно определять, как блок обрабатывает сигналы из области значений. Для получения дополнительной информации смотрите Ошибки Диапазона сигнала Поиска и устранения неисправностей (Simulink). | Переполнение переносится к соответствующему значению, которое может представлять тип данных. | Максимальное значение, что |
Параметры блоков:
SaturateOnIntegerOverflow |
Ввод: символьный вектор |
Значения:
'off' | 'on' |
Значение по умолчанию:
'off' |
Lock output data type setting against changes by the fixed-point tools
— Препятствуйте тому, чтобы Fixed-Point Tool заменили тип данныхoff
(значение по умолчанию) | on
Выберите этот параметр, чтобы препятствовать тому, чтобы Fixed-Point Tool заменили тип данных, который вы задаете для блока. Для получения дополнительной информации смотрите, что Тип Выходных данных Блокировки Использования Устанавливает (Fixed-Point Designer).
Параметры блоков:
LockScale |
Ввод: символьный вектор |
Значения:
'off' | 'on' |
Значение по умолчанию:
'off' |
Label data type
— Тип данных метки выводитсяInherit: Inherit via back propagation
| Inherit: auto
| double
| single
| half
| int8
| uint8
| int16
| uint16
| int32
| uint32
| int64
| uint64
| boolean
| fixdt(1,16)
| fixdt(1,16,0)
| fixdt(1,16,2^0,0)
| Enum: <class name>
| <data type expression>
Задайте тип данных для label выход. Тип может быть наследован в виде перечислимого типа данных или описан как объект типа данных, такой как Simulink.NumericType
.
Когда вы выбираете наследованную опцию, программное обеспечение ведет себя можно следующим образом:
Inherit: Inherit via back propagation
(значение по умолчанию для числовых и логических меток) — Simulink автоматически определяет Label data type блока во время распространения типа данных (см. Распространение Типа данных (Simulink)). В этом случае блок использует тип данных нисходящего блока или объекта сигнала.
Inherit: auto
(значение по умолчанию для нечисловых меток) — блок использует автозаданную перечислимую переменную типа данных. Например, предположите имя переменной рабочей области, заданное Select trained machine learning model
myMdl
, и метками класса является class 1
и class 2
. Затем соответствующими значениями label является myMdl_enumLabels.class_1
и myMdl_enumLabels.class_2
. Блок преобразует метки класса в допустимые идентификаторы MATLAB при помощи matlab.lang.makeValidName
функция.
Для получения дополнительной информации о типах данных, смотрите Типы данных Управления Сигналов (Simulink).
Нажмите кнопку Show data type assistant, чтобы отобразить Data Type Assistant, который помогает вам установить атрибуты типа данных. Для получения дополнительной информации смотрите, Задают Типы данных Используя Ассистент Типа данных (Simulink).
Поддерживаемые типы данных зависят от меток, используемых в модели, заданной Select trained machine learning model
.
Если модель использует числовые или логические метки, поддерживаемыми типами данных является Inherit: Inherit via back propagation
(значение по умолчанию), double
единственный
, half
int8
uint8
int16
uint16
int32
uint32
int64
uint64
, boolean
, фиксированная точка и объект типа данных.
Если модель использует нечисловые метки, поддерживаемыми типами данных является Inherit: auto
(значение по умолчанию), Enum: <class name>
, и объект типа данных.
Параметры блоков: LabelDataTypeStr |
Ввод: символьный вектор |
Значения: 'Inherit: Inherit via back propagation' | 'Inherit: auto' | 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'int64' | 'uint64' | 'boolean' | 'fixdt(1,16)' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | 'Enum: <class name>' | '<data type expression>' |
Значение по умолчанию: 'Inherit: Inherit via back propagation' (для числовых и логических меток) | 'Inherit: auto' (для нечисловых меток) |
Label minimum
— Минимальное значение метки выводится для проверки диапазона[]
(значение по умолчанию) | скалярНижнее значение label область значений выхода, что Simulink® проверки.
Simulink использует минимальное значение, чтобы выполнить:
Проверка диапазона параметра (см., Задает Минимальные и Максимальные значения для Параметров блоков (Simulink)) для некоторых блоков.
Проверка диапазона симуляции (см., Указывает Диапазоны сигнала (Simulink) и Включает Проверку диапазона Симуляции (Simulink)).
Автоматическое масштабирование типов данных с фиксированной точкой.
Оптимизация кода, который вы генерируете из модели. Эта оптимизация может удалить алгоритмический код и влиять на результаты некоторых режимов симуляции, такие как SIL или режим external mode. Для получения дополнительной информации смотрите, Оптимизируют использование заданных минимальных и максимальных значений (Embedded Coder).
Примечание
Параметр Label minimum не насыщает или отсекает фактический выходной сигнал label. Используйте блок Saturation (Simulink) вместо этого.
Можно задать этот параметр только если модель, заданная Select trained machine learning model
использует числовые метки.
Параметры блоков: LabelOutMin |
Ввод: символьный вектор |
Значения: '[]' | скаляр |
Значение по умолчанию: '[]' |
Label maximum
— Максимальное значение метки выводится для проверки диапазона[]
(значение по умолчанию) | скалярВерхнее значение label область значений выхода это Simulink Check.
Simulink использует максимальное значение, чтобы выполнить:
Проверка диапазона параметра (см., Задает Минимальные и Максимальные значения для Параметров блоков (Simulink)) для некоторых блоков.
Проверка диапазона симуляции (см., Указывает Диапазоны сигнала (Simulink) и Включает Проверку диапазона Симуляции (Simulink)).
Автоматическое масштабирование типов данных с фиксированной точкой.
Оптимизация кода, который вы генерируете из модели. Эта оптимизация может удалить алгоритмический код и влиять на результаты некоторых режимов симуляции, такие как SIL или режим external mode. Для получения дополнительной информации смотрите, Оптимизируют использование заданных минимальных и максимальных значений (Embedded Coder).
Примечание
Параметр Label maximum не насыщает или отсекает фактический выходной сигнал label. Используйте блок Saturation (Simulink) вместо этого.
Можно задать этот параметр только если модель, заданная Select trained machine learning model
использует числовые метки.
Параметры блоков: LabelOutMax |
Ввод: символьный вектор |
Значения: '[]' | скаляр |
Значение по умолчанию: '[]' |
Score data type
— Тип данных счета выводитсяInherit: auto
(значение по умолчанию) | double
| single
| half
| int8
| uint8
| int16
| uint16
| int32
| uint32
| int64
| uint64
| boolean
| fixdt(1,16)
| fixdt(1,16,0)
| fixdt(1,16,2^0,0)
| <data type expression>
Задайте тип данных для score выход. Тип может быть наследован, задан непосредственно или описан как объект типа данных, такой как Simulink.NumericType
.
Когда вы выбираете Inherit: auto
, блок использует правило, которое наследовало тип данных.
Для получения дополнительной информации о типах данных, смотрите Типы данных Управления Сигналов (Simulink).
Нажмите кнопку Show data type assistant, чтобы отобразить Data Type Assistant, который помогает вам установить атрибуты типа данных. Для получения дополнительной информации смотрите, Задают Типы данных Используя Ассистент Типа данных (Simulink).
Параметры блоков: ScoreDataTypeStr |
Ввод: символьный вектор |
Значения: 'Inherit: auto' | 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'int64' | 'uint64' | 'boolean' | 'fixdt(1,16)' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | '<data type expression>' |
Значение по умолчанию: 'Inherit: auto' |
Score minimum
— Минимальное значение счета выводится для проверки диапазона[]
(значение по умолчанию) | скалярНижнее значение score область значений выхода это Simulink Check.
Simulink использует минимальное значение, чтобы выполнить:
Проверка диапазона параметра (см., Задает Минимальные и Максимальные значения для Параметров блоков (Simulink)) для некоторых блоков.
Проверка диапазона симуляции (см., Указывает Диапазоны сигнала (Simulink) и Включает Проверку диапазона Симуляции (Simulink)).
Автоматическое масштабирование типов данных с фиксированной точкой.
Оптимизация кода, который вы генерируете из модели. Эта оптимизация может удалить алгоритмический код и влиять на результаты некоторых режимов симуляции, такие как SIL или режим external mode. Для получения дополнительной информации смотрите, Оптимизируют использование заданных минимальных и максимальных значений (Embedded Coder).
Примечание
Параметр Score minimum не насыщает или отсекает фактический сигнал score. Используйте блок Saturation (Simulink) вместо этого.
Параметры блоков: ScoreOutMin |
Ввод: символьный вектор |
Значения: '[]' | скаляр |
Значение по умолчанию: '[]' |
Score maximum
— Максимальное значение счета выводится для проверки диапазона[]
(значение по умолчанию) | скалярВерхнее значение score область значений выхода это Simulink Check.
Simulink использует максимальное значение, чтобы выполнить:
Проверка диапазона параметра (см., Задает Минимальные и Максимальные значения для Параметров блоков (Simulink)) для некоторых блоков.
Проверка диапазона симуляции (см., Указывает Диапазоны сигнала (Simulink) и Включает Проверку диапазона Симуляции (Simulink)).
Автоматическое масштабирование типов данных с фиксированной точкой.
Оптимизация кода, который вы генерируете из модели. Эта оптимизация может удалить алгоритмический код и влиять на результаты некоторых режимов симуляции, такие как SIL или режим external mode. Для получения дополнительной информации смотрите, Оптимизируют использование заданных минимальных и максимальных значений (Embedded Coder).
Примечание
Параметр Score maximum не насыщает или отсекает фактический сигнал score. Используйте блок Saturation (Simulink) вместо этого.
Параметры блоков: ScoreOutMax |
Ввод: символьный вектор |
Значения: '[]' | скаляр |
Значение по умолчанию: '[]' |
Raw score data type
— Непреобразованный тип данных счетаInherit: auto
(значение по умолчанию) | double
| single
| half
| int8
| uint8
| int16
| uint16
| int32
| uint32
| int64
| uint64
| boolean
| fixdt(1,16)
| fixdt(1,16,0)
| fixdt(1,16,2^0,0)
| <data type expression>
Задайте тип данных для внутренних непреобразованных баллов. Тип может быть наследован, задан непосредственно или описан как объект типа данных, такой как Simulink.NumericType
.
Когда вы выбираете Inherit: auto
, блок использует правило, которое наследовало тип данных.
Для получения дополнительной информации о типах данных, смотрите Типы данных Управления Сигналов (Simulink).
Нажмите кнопку Show data type assistant, чтобы отобразить Data Type Assistant, который помогает вам установить атрибуты типа данных. Для получения дополнительной информации смотрите, Задают Типы данных Используя Ассистент Типа данных (Simulink).
Можно задать этот параметр только если модель, заданная Select trained machine learning model
использует преобразование счета кроме 'none'
(значение по умолчанию, то же самое как 'identity'
).
Если модель не использует преобразований счета ('none'
или 'identity'
), затем можно задать тип данных счета при помощи Score data type
.
Если модель использует преобразование счета кроме 'none'
или 'identity'
, затем можно задать тип данных непреобразованных необработанных баллов при помощи этого параметра и задать тип данных преобразованных баллов при помощи Score data type
.
Можно изменить опцию преобразования счета путем определения 'ScoreTransform'
аргумент значения имени во время обучения, или путем изменения ScoreTransform
свойство после обучения.
Параметры блоков: RawScoreDataTypeStr |
Ввод: символьный вектор |
Значения: 'Inherit: auto' | 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'int64' | 'uint64' | 'boolean' | 'fixdt(1,16)' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | '<data type expression>' |
Значение по умолчанию: 'Inherit: auto' |
Raw score minimum
— Минимум непреобразованный счет к проверке диапазона[]
(значение по умолчанию) | скалярНижнее значение непреобразованной области значений счета это Simulink Check.
Simulink использует минимальное значение, чтобы выполнить:
Проверка диапазона параметра (см., Задает Минимальные и Максимальные значения для Параметров блоков (Simulink)) для некоторых блоков.
Проверка диапазона симуляции (см., Указывает Диапазоны сигнала (Simulink) и Включает Проверку диапазона Симуляции (Simulink)).
Автоматическое масштабирование типов данных с фиксированной точкой.
Оптимизация кода, который вы генерируете из модели. Эта оптимизация может удалить алгоритмический код и влиять на результаты некоторых режимов симуляции, такие как SIL или режим external mode. Для получения дополнительной информации смотрите, Оптимизируют использование заданных минимальных и максимальных значений (Embedded Coder).
Примечание
Параметр Raw score minimum не насыщает или отсекает фактический непреобразованный сигнал счета.
Параметры блоков: RawScoreOutMin |
Ввод: символьный вектор |
Значения: '[]' | скаляр |
Значение по умолчанию: '[]' |
Raw score maximum
— Максимум непреобразованный счет к проверке диапазона[]
(значение по умолчанию) | скалярВерхнее значение непреобразованной области значений счета это Simulink Check.
Simulink использует максимальное значение, чтобы выполнить:
Проверка диапазона параметра (см., Задает Минимальные и Максимальные значения для Параметров блоков (Simulink)) для некоторых блоков.
Проверка диапазона симуляции (см., Указывает Диапазоны сигнала (Simulink) и Включает Проверку диапазона Симуляции (Simulink)).
Автоматическое масштабирование типов данных с фиксированной точкой.
Оптимизация кода, который вы генерируете из модели. Эта оптимизация может удалить алгоритмический код и влиять на результаты некоторых режимов симуляции, такие как SIL или режим external mode. Для получения дополнительной информации смотрите, Оптимизируют использование заданных минимальных и максимальных значений (Embedded Coder).
Примечание
Параметр Raw score maximum не насыщает или отсекает фактический непреобразованный сигнал счета.
Параметры блоков: RawScoreOutMax |
Ввод: символьный вектор |
Значения: '[]' | скаляр |
Значение по умолчанию: '[]' |
Weak learner data type
— Тип данных слабого ученика выходные параметрыInherit: auto
(значение по умолчанию) | double
| single
| half
| int8
| uint8
| int16
| uint16
| int32
| uint32
| int64
| uint64
| boolean
| fixdt(1,16)
| fixdt(1,16,0)
| fixdt(1,16,2^0,0)
| <data type expression>
Задайте тип данных для выходных параметров от слабых учеников. Тип может быть наследован, задан непосредственно или описан как объект типа данных, такой как Simulink.NumericType
.
Когда вы выбираете Inherit: auto
, блок использует правило, которое наследовало тип данных.
Для получения дополнительной информации о типах данных, смотрите Типы данных Управления Сигналов (Simulink).
Нажмите кнопку Show data type assistant, чтобы отобразить Data Type Assistant, который помогает вам установить атрибуты типа данных. Для получения дополнительной информации смотрите, Задают Типы данных Используя Ассистент Типа данных (Simulink).
Параметры блоков: WeakLearnerDataTypeStr |
Ввод: символьный вектор |
Значения: 'Inherit: auto' | 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'int64' | 'uint64' | 'boolean' | 'fixdt(1,16)' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | '<data type expression>' |
Значение по умолчанию: 'Inherit: auto' |
Weak learner minimum
— Минимальное значение слабого ученика выходные параметры для проверки диапазона[]
(значение по умолчанию) | скалярНижнее значение слабого ученика вывело область значений это Simulink Check.
Simulink использует минимальное значение, чтобы выполнить:
Проверка диапазона параметра (см., Задает Минимальные и Максимальные значения для Параметров блоков (Simulink)) для некоторых блоков.
Проверка диапазона симуляции (см., Указывает Диапазоны сигнала (Simulink) и Включает Проверку диапазона Симуляции (Simulink)).
Автоматическое масштабирование типов данных с фиксированной точкой.
Оптимизация кода, который вы генерируете из модели. Эта оптимизация может удалить алгоритмический код и влиять на результаты некоторых режимов симуляции, такие как SIL или режим external mode. Для получения дополнительной информации смотрите, Оптимизируют использование заданных минимальных и максимальных значений (Embedded Coder).
Примечание
Параметр Weak learner minimum не насыщает или отсекает фактические слабые выходные сигналы ученика.
Параметры блоков: WeakLearnerOutMin |
Ввод: символьный вектор |
Значения: '[]' | скаляр |
Значение по умолчанию: '[]' |
Weak learner maximum
— Максимальное значение слабого ученика выходные параметры для проверки диапазона[]
(значение по умолчанию) | скалярВерхнее значение слабого ученика вывело область значений это Simulink Check.
Simulink использует максимальное значение, чтобы выполнить:
Проверка диапазона параметра (см., Задает Минимальные и Максимальные значения для Параметров блоков (Simulink)) для некоторых блоков.
Проверка диапазона симуляции (см., Указывает Диапазоны сигнала (Simulink) и Включает Проверку диапазона Симуляции (Simulink)).
Автоматическое масштабирование типов данных с фиксированной точкой.
Оптимизация кода, который вы генерируете из модели. Эта оптимизация может удалить алгоритмический код и влиять на результаты некоторых режимов симуляции, такие как SIL или режим external mode. Для получения дополнительной информации смотрите, Оптимизируют использование заданных минимальных и максимальных значений (Embedded Coder).
Примечание
Параметр Weak learner maximum не насыщает или отсекает фактические слабые выходные сигналы ученика.
Параметры блоков: WeakLearnerOutMax |
Ввод: символьный вектор |
Значения: '[]' | скаляр |
Значение по умолчанию: '[]' |
Типы данных |
|
Прямое сквозное соединение |
|
Многомерные сигналы |
|
Сигналы переменного размера |
|
Обнаружение пересечения нулем |
|
Можно использовать блок MATLAB function с predict
объектная функция ансамбля деревьев решений (ClassificationEnsemble
, ClassificationBaggedEnsemble
, или CompactClassificationEnsemble
). Для примера смотрите, Предсказывают, что Класс Маркирует Using MATLAB Function Block.
При решении, использовать ли блок ClassificationEnsemble Predict в библиотеке Statistics and Machine Learning Toolbox™ или блоке MATLAB function с predict
функционируйте, рассмотрите следующее:
Если вы используете библиотечный блок Statistics and Machine Learning Toolbox, можно использовать Fixed-Point Tool (Fixed-Point Designer), чтобы преобразовать модель с плавающей точкой в фиксированную точку.
Поддержка массивов переменного размера должна быть включена для блока MATLAB function с predict
функция.
Если вы используете блок MATLAB function, можно использовать функции MATLAB для предварительной обработки или последующей обработки прежде или после предсказаний в том же блоке MATLAB function.
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.