CART uses Gini Index as an attribut

CART uses Gini Index as an attribute selection measure to build a decision tree .Unlike ID3 and C4.5 algorithms, CART produces binary splits. Hence, it produces binary trees. Gini Index measure does not use probabilistic assumptions like ID3, C4.5. CART uses cost complexity pruning to remove the unreliable branches from the decision tree to improve the accuracy.

ผลลัพธ์ (ไทย) 1:

รถเข็นใช้ดัชนี Gini เป็นมาตรการการเลือกแอททริบิวต์การสร้างต้นไม้ตัดสินใจ ต่างจาก ID3 และ C4.5 algorithms รถเข็นให้แยกไบนารี ด้วยเหตุนี้ มันผลิตต้นไม้ไบนารี วัดดัชนี Gini ใช้สมมติฐาน probabilistic เช่น ID3, C4.5 รถเข็นใช้ตัดความซับซ้อนต้นทุนการเอาสาขาไม่น่าเชื่อถือจากต้นไม้ตัดสินใจปรับปรุงความแม่นยำ

ผลลัพธ์ (ไทย) 2:

รถเข็นใช้ดัชนี Gini เป็นมาตรการเลือกแอตทริบิวต์การสร้างต้นไม้ตัดสินใจซึ่งแตกต่างจาก ID3 และขั้นตอนวิธี C4.5, รถเข็นผลิตไบนารีแยก จึงก่อให้ต้นไม้ไบนารี วัดดัชนี Gini ไม่ได้ใช้สมมติฐานที่น่าจะเป็นเช่น ID3, C4.5 รถเข็นใช้ความซับซ้อนของค่าใช้จ่ายในการตัดแต่งกิ่งเพื่อเอา​​กิ่งไม้ที่ไม่น่าเชื่อถือจากต้นไม้การตัดสินใจที่จะปรับปรุงความถูกต้อง

ผลลัพธ์ (ไทย) 3:

รถเข็นใช้ดัชนี Gini เป็นคุณลักษณะที่เลือกวัดที่จะสร้างโครงสร้างการตัดสินใจ ซึ่งแตกต่างจากโปรแกรม C4.5 ขั้นตอนวิธีและ ID3 , รถเข็นผลิตแยกไบนารี ดังนั้นจึงก่อให้เกิดต้นไม้ไบนารี วัดดัชนีจีนีไม่ได้ใช้สมมติฐานความน่าจะเป็นเช่น ID3 , โปรแกรม C4.5 . รถเข็นที่ใช้ตัดความซับซ้อนต้นทุนเอากิ่งที่ไม่น่าเชื่อถือจากต้นไม้ การตัดสินใจเพื่อปรับปรุงความถูกต้อง