Fig. 1 Frequency of Class Output fr

Fig. 1 Frequency of Class Output from the Dataset
Table 2 and Figure 1 show the frequency of the class output
which is the final outcome from the dataset. It shows that out
of the total 1728 cars in the dataset, 385(22.28 %) were
acceptable, 70 (4.05 %) were good, 1207 (69.85 %) were
unacceptable, and 66 cars (3.82%) were very good. From the
above we can conclude that more than half of the cars
evaluated were not of acceptable.
IV. CLASSIFICATION METHODS
The Naive Bayesian algorithm, named after Thomas Bayes
(1702 – 1761) is a learning algorithm as well as a statistical
method for classification. It captures uncertainty in a
principled way by using probabilistic approach. Naive
Bayesian classification provides practical learning algorithms
and prior knowledge and observed data can be combined.
The Artificial Neural Network (ANN) algorithm takes data
as input then process and generalizes output using biological
brain patterns of humans or animals. It is designed to learn in
a non linear mapping between input and output data.

ผลลัพธ์ (ไทย) 1:

Fig. 1 ความถี่ของการแสดงผลการเรียนจากชุดข้อมูลตารางที่ 2 และรูปที่ 1 แสดงความถี่ของการแสดงผลการเรียนซึ่งเป็นผลลัพธ์ขั้นสุดท้ายจากชุดข้อมูล มันแสดงออกที่รถ 1728 ทั้งหมดในชุดข้อมูล 385(22.28 %) ถูกยอมรับ 70 (4.05%) ถูกดี 1207 (69.85%) ได้รถยนต์ไม่สามารถยอมรับ และ 66 (3.82%) ได้ดีมาก จากการข้างต้นเราสามารถสรุปที่มากกว่าครึ่งหนึ่งของรถยนต์ประเมินได้ไม่เป็นที่ยอมรับวิธีการประเภท IVขั้นตอนวิธี Naive ทฤษฎี จาก Thomas Bayes(ค.ศ. 1702 – 1761) เป็นอัลกอริทึมการเรียนรู้รวมทั้งการสถิติวิธีการจัด มันจับความไม่แน่นอนในการวิธี principled โดยวิธี probabilistic Naiveประเภททฤษฎีให้ปฏิบัติเรียนรู้อัลกอริทึมและสามารถรวมความรู้เดิมและข้อมูลที่สังเกตข้อมูลใช้อัลกอริทึมประดิษฐ์ประสาทเครือข่าย (แอน)เป็นกระบวนการแล้วป้อนข้อมูล และ generalizes ผลใช้ชีวภาพรูปแบบสมองของมนุษย์หรือสัตว์ มันถูกออกแบบมาเพื่อการเรียนรู้ในการแมปที่ไม่ใช่เชิงเส้นระหว่างข้อมูลอินพุท และเอาท์พุท

ผลลัพธ์ (ไทย) 2:

รูป 1
ความถี่ของชั้นเอาท์พุทจากชุดข้อมูลตารางที่2 และรูปที่ 1
แสดงความถี่ของการส่งออกชั้นซึ่งเป็นผลสุดท้ายจากชุดข้อมูล มันแสดงให้เห็นว่าออกจากทั้งหมด 1,728 คันในชุดที่ 385 (22.28%) เป็นที่ยอมรับ70 (4.05%) เป็นดี 1207 (69.85%) เป็นที่ยอมรับไม่ได้และ66 คัน (3.82%) เป็นสิ่งที่ดีมาก จากข้างต้นเราสามารถสรุปได้ว่ามากกว่าครึ่งหนึ่งของรถยนต์ที่ได้รับการประเมินเป็นที่ยอมรับไม่ได้. IV วิธีการจำแนกประเภทอัลกอริทึมแบบเบย์หน่อมแน้มตั้งชื่อตามโทมัสเบส์(1702 - 1761) เป็นขั้นตอนวิธีการเรียนรู้เช่นเดียวกับสถิติวิธีการจัดหมวดหมู่ มันจับความไม่แน่นอนในทางจริยธรรมโดยใช้วิธีการที่น่าจะเป็น ไร้เดียงสาจำแนกแบบเบย์ให้การเรียนรู้ขั้นตอนวิธีการปฏิบัติและความรู้ก่อนและข้อมูลการสังเกตสามารถนำมารวม. ประสาทเทียมเครือข่าย (ANN) ขั้นตอนวิธีการใช้ข้อมูลที่เป็นinput กระบวนการแล้วและทำการส่งออกทางชีวภาพโดยใช้รูปแบบการทำงานของสมองของมนุษย์หรือสัตว์ มันถูกออกแบบมาเพื่อเรียนรู้ในการทำแผนที่เชิงเส้นที่ไม่ใช่ระหว่างข้อมูลเข้าและส่งออก

ผลลัพธ์ (ไทย) 3:

รูปที่ 1 ความถี่ของระดับผลผลิตจากชุดข้อมูล
2 และ รูปที่ 1 ตารางแสดงความถี่ของระดับผลผลิต
ซึ่งสุดท้ายผลจากข้อมูล . มันแสดงให้เห็นว่าออก
จากทั้งหมด 127 คัน ข้อมูล 385 , ( 24.30 % )
ยอมรับ , 70 ( 4.05% ) ที่ดีอยู่แล้ว ( 69.85 % )
รับไม่ได้และ 66 คัน ( 3.82 เปอร์เซ็นต์ ) มีค่ามาก จาก
ข้างต้นเราสามารถสรุปได้ว่ามากกว่าครึ่งหนึ่งของรถยนต์
ประเมินไม่ได้ .
4
การจำแนกวิธีการขั้นตอนวิธีแบบไร้เดียงสา ตั้งชื่อตามโทมัสเบย์
( 1463 ( 1841 ) เป็นอัลกอริทึมการเรียนรู้ตลอดจนวิธีการทางสถิติ
สำหรับการจำแนกประเภท มันจับความไม่แน่นอนใน
วิธีหลักการโดยใช้ทฤษฎีความน่าจะเป็น . ไร้เดียงสา Bayesian หมวดหมู่ให้ปฏิบัติขั้นตอนวิธีการเรียนรู้

และก่อนที่ความรู้และข้อมูลสามารถรวม .
โครงข่ายประสาทเทียม ( ANN ) โดยใช้ข้อมูล
ตามกระบวนการแล้วป้อนผลผลิตชีวภาพ
สมองและการเช่นนี้ได้ขยายรูปแบบของมนุษย์หรือสัตว์ มันถูกออกแบบมาเพื่อเรียนรู้ในการไม่เชิงเส้นแผนที่ระหว่างเข้าและส่งออกข้อมูล .