Classification is one of the most p

Classification is one of the most popular tasks in data
mining. Classification involves the assignment of an object
to one of several prespecified categories. Classification
of data without any interpretation of the underlying model
could reduce the trust of users in the system. Visualization
can help users visually understand the discovered knowledge
[6, 2] as well as help interactively build a better classification
model in terms of simplicity and accuracy [2, 17].
Previous work on classification visualization mainly
concerns on how to visualize classification models and
how to integrate users into the construction of the models.
Work on model visualization includes visualizing decision
tree [1, 2, 4, 3, 16, 15], decision table [21, 5], decision
rules [17], and naive Baysian classifier [6]. Two novel approaches
of interactively constructing models are Ankerst’s
PBC (Perception-Based Classification) [2] and Inselberg’s
method using parallel coordinates [17]. For an overview,
please see Keim and Ankerst’s recent tutorial on visual data
mining [19].

ผลลัพธ์ (ไทย) 1:

เป็นประเภทหนึ่งของงานนิยมมากที่สุดในข้อมูลการทำเหมือง ประเภทเกี่ยวข้องกับการกำหนดวัตถุหนึ่งในหลายประเภท prespecified การจัดประเภทข้อมูลโดยไม่ต้องตีความใด ๆ รุ่นต้นแบบสามารถลดความน่าเชื่อถือของผู้ใช้ในระบบ แสดงภาพประกอบเพลงสามารถช่วยให้ผู้ใช้เข้าใจความรู้ที่พบเห็น[6, 2] เช่นเป็นช่วยโต้ตอบสร้างประเภทดีรูปแบบเรียบง่ายและความถูกต้อง [2, 17]ก่อนหน้านี้ทำงานในประเภทแสดงภาพประกอบเพลงส่วนใหญ่เกี่ยวกับวิธีการจัดประเภทรูปแบบการมองเห็นภาพ และวิธีการรวมผู้ใช้ในการก่อสร้างของแบบจำลองทำงานบนแบบจำลองแสดงภาพประกอบเพลงมีการแสดงผลตัดสินแผนภูมิ [1, 2, 4, 3, 16, 15] ตัดสินใจ ตารางการตัดสินใจ [21, 5]กฎ [17], และขำน่า Baysian classifier [6] สองวิธีการใหม่ ๆโต้ตอบในการสร้างแบบจำลองเป็นของ AnkerstPBC (การจัดประเภทตามการรับรู้) [2] และของ Inselbergวิธีที่ใช้พิกัดแบบขนาน [17] สำหรับภาพรวมโปรดดูกวดวิชาล่าสุดที่ Keim และ Ankerst ของข้อมูลภาพเหมืองแร่ [19]

ผลลัพธ์ (ไทย) 2:

การจัดหมวดหมู่เป็นหนึ่งในงานที่ได้รับความนิยมมากที่สุดในข้อมูลการทำเหมืองแร่ การจัดหมวดหมู่ที่เกี่ยวข้องกับการกำหนดของวัตถุให้เป็นหนึ่งในหลายประเภท prespecified
การจำแนกประเภทของข้อมูลโดยไม่ต้องแปลความหมายของรูปแบบพื้นฐานใด ๆ ที่สามารถลดความไว้วางใจจากผู้ใช้ในระบบ การแสดงจะช่วยให้ผู้ใช้มองเห็นเข้าใจความรู้ที่ค้นพบ[6, 2] รวมทั้งช่วยให้การโต้ตอบสร้างการจัดหมวดหมู่ที่ดีกว่ารูปแบบในแง่ของความเรียบง่ายและความถูกต้อง[2, 17]. การทำงานก่อนหน้าในการสร้างภาพการจำแนกส่วนใหญ่กังวลเกี่ยวกับวิธีที่จะเห็นภาพแบบจำลองการจัดหมวดหมู่และวิธีการรวมผู้ใช้ในการก่อสร้างของรูปแบบที่. ทำงานในการแสดงรูปแบบรวมถึงการแสดงการตัดสินใจต้นไม้ [1, 2, 4, 3, 16, 15] ตารางการตัดสินใจ [21 5] การตัดสินใจกฎ[17] และไร้เดียงสา Baysian ลักษณนาม [6] สองวิธีนวนิยายของการโต้ตอบสร้างรุ่น Ankerst ของ PBC (การจำแนกประเภทตามการรับรู้) [2] และ Inselberg ของวิธีการใช้พิกัดขนาน[17] สำหรับภาพรวม, โปรดดู Keim และกวดวิชาล่าสุด Ankerst ในข้อมูลภาพการทำเหมืองแร่[19]

ผลลัพธ์ (ไทย) 3:

จัดเป็นหนึ่งในงานที่ได้รับความนิยมมากที่สุดในการทำเหมืองข้อมูล

หมวดหมู่ที่เกี่ยวข้องกับการกำหนดของวัตถุ
หนึ่งประเภทจรหลาย การจำแนกข้อมูลโดยการตีความใด ๆ

ของต้นแบบรุ่นสามารถลดความน่าเชื่อถือของผู้ใช้ในระบบ การแสดง
ช่วยให้ผู้ใช้สามารถมองเห็นเข้าใจค้นพบความรู้
[ 62 ] ตลอดจนช่วยโต้ตอบได้สร้างแบบจำลองการจำแนกประเภท
ดีขึ้นในแง่ของความเรียบง่ายและความถูกต้อง [ 2 , 17 ] .
ผลงานที่ผ่านมาในการแสดงหมวดหมู่ส่วนใหญ่
ความกังวลเกี่ยวกับวิธีการจำแนกภาพนางแบบ
วิธีการรวมผู้ใช้ในการสร้างโมเดล ทำงานในรูปแบบรวมถึงการสร้างภาพ

ต้นไม้ [ การตัดสินใจ 1 , 2 , 4 , 3 , 16 , 15 , 21 ตารางการตัดสินใจ [ 5 ]กฎการตัดสินใจ
[ 17 ] และไร้เดียงสา baysian ลักษณนาม [ 6 ] สองนวนิยายแนว
ของการโต้ตอบสร้างโมเดลของ ankerst
PBC ( การรับรู้การ ) [ 2 ] และวิธีการของ inselberg
ใช้คู่ขนานพิกัด [ 17 ] สำหรับภาพรวม
โปรดดูอัญมณี ankerst ล่าสุดและสอนทัศนศิลป์ข้อมูล
เหมืองแร่ [ 19 ]