In this example, we've continued th

In this example, we've continued the scenario from the previous chapter to find out the
bestdata mining model that generates better results for the problem (which was finding
prospective bike buyersfor the new product). The best mining model would be the one that
generates results that are closest to the test dataset.
As a data mining developer, you are required to train multiple algorithms with the existing
dataset. The reason for using multiple algorithms is that different mining algorithms
generate patterns differently and give results differently. We will use multiple mining models
to find the best results for the defined problem, so we need to find the best algorithm that
produces the best results compared to the test dataset. After creating multiple algorithms
and training them, you can use a set of mining accuracy charts to figure out which algorithm
performs best compared to the real data in the test dataset. In this example, we've added
two new mining models to the previous Target Mail Mining Structure: clustering and Naïve
Bayes (steps 1 to 4).

ผลลัพธ์ (ไทย) 1:

ในตัวอย่างนี้ เราได้ต่อสถานการณ์จากบทก่อนหน้านี้เพื่อค้นหาการ รูปเหมืองแร่ bestdata ที่สร้างผลลัพธ์ที่ดีขึ้นสำหรับปัญหา (ที่ถูกค้นหา ผู้สนใจจักรยาน buyersfor ผลิตภัณฑ์ใหม่) แบบเหมืองสุดจะได้ที่ สร้างผลลัพธ์ที่ใกล้เคียงกับชุดข้อมูลทดสอบเป็นผู้พัฒนาทำเหมืองข้อมูล คุณจะต้องฝึกหลายอัลกอริทึมกับที่มีอยู่ ชุดข้อมูล เหตุผลสำหรับการใช้อัลกอริทึมหลายจะแตกต่างที่อัลกอริทึมการทำเหมืองแร่ สร้างรูปแบบแตกต่างกัน และให้ผลลัพธ์ที่แตกต่างกัน เราจะใช้รูปแบบการทำเหมืองแร่หลาย ในการค้นหาผลลัพธ์ปัญหากำหนด ดังนั้นเราต้องค้นหาอัลกอริทึมดีที่สุดที่ ก่อให้เกิดผลดีสุดเมื่อเทียบกับชุดข้อมูลทดสอบ หลังจากสร้างอัลกอริทึมหลาย และฝึกอบรมพวกเขา คุณสามารถใช้ชุดของแผนภูมิการทำเหมืองความเข้าใจว่าอัลกอริทึม ทำดีที่สุดเมื่อเทียบกับข้อมูลจริงในชุดข้อมูลทดสอบ ในตัวอย่างนี้ เราได้เพิ่ม เหมืองใหม่ 2 รุ่นโครงสร้างก่อนหน้านี้เป้าหมายจดหมายทำเหมืองแร่: คลัสเตอร์ และขำน่า Bayes (ขั้นตอนที่ 1-4)

ผลลัพธ์ (ไทย) 3:

ในตัวอย่างนี้ เรายังคงสถานการณ์จากบทก่อน เพื่อหาแบบจำลองที่สร้างเหมือง
bestdata ผลลัพธ์ที่ดีกว่าสำหรับปัญหา ( ซึ่งหา
อนาคตจักรยาน buyersfor ผลิตภัณฑ์ใหม่ ) รูปแบบเหมืองแร่ที่ดีที่สุดจะเป็นหนึ่งที่สร้างผลลัพธ์ที่
ใกล้สอบข้อมูล .
เป็นผู้พัฒนา การทำเหมืองข้อมูลคุณจะต้องฝึกอัลกอริทึมหลายกับข้อมูลที่มีอยู่แล้ว

เหตุผลสำหรับการใช้ขั้นตอนวิธีที่แตกต่างกันหลายขั้นตอนวิธีการทำเหมือง
สร้างรูปแบบต่างกัน และให้ผลลัพธ์ที่แตกต่างกัน เราจะใช้รูปแบบเหมืองแร่หลาย
เพื่อค้นหาผลลัพธ์ที่ดีที่สุดสำหรับการกำหนดปัญหา ดังนั้นเราต้องหาขั้นตอนวิธีที่
ก่อให้เกิดผลลัพธ์ที่ดีที่สุดเมื่อเทียบกับชุดข้อมูลทดสอบ .หลังจากสร้างขั้นตอนวิธี
และการฝึกอบรมพวกเขาหลาย คุณสามารถใช้ชุดของเหมืองแร่ความถูกต้องแผนภูมิที่จะคิดออกซึ่งขั้นตอนวิธี
มีประสิทธิภาพที่สุดเมื่อเทียบกับข้อมูลในชุดข้อมูลทดสอบจริง . ในตัวอย่างนี้ เราได้เพิ่ม
2 mining ใหม่ก่อนหน้านี้เป้าหมายจดหมายเหมืองแร่โครงสร้างการจัดกลุ่มและนา ไตได้
เบย์ ( ขั้นตอนที่ 1 )