: Decision tree learning is acommon

: Decision tree learning is a
common method used in data mining. The goal is to
create a model that predicts the value of a target
variable based on several input variables. Each interior
node corresponds to one of the input variables; there are
edges to children for each of the possible values of that
input variable. Each leaf represents a value of the target
variable given the values of the input variables
represented by the path from the root to the leaf
(Dunham, 2003). Some of the key advantages of using
decision trees are the ease of use and overall efficiency.
Rules can be derived that are easy to interpret

ผลลัพธ์ (ไทย) 1:

: ต้นไม้ตัดสินใจเรียนได้วิธีทั่วไปที่ใช้ในการทำเหมืองข้อมูล เป้าหมายคือการสร้างแบบจำลองที่สามารถทำนายค่าของเป้าหมายตัวแปรตามหลายตัวแปรอินพุต ภายในแต่ละโหนดตรงของตัวแปรอินพุต มีขอบเด็กสำหรับแต่ละค่าที่เป็นไปได้ตัวแปรอินพุต แต่ละใบใช้แทนค่าของเป้าหมายตัวแปรที่กำหนดค่าของตัวแปรอินพุตแสดง โดยเส้นทางจากรากสู่ใบ(Dunham, 2003) ประโยชน์หลักของการใช้ต้นไม้การตัดสินใจมีความสะดวกในการใช้และประสิทธิภาพโดยรวมกฎสามารถได้รับมาที่ตีง่าย

ผลลัพธ์ (ไทย) 2:

:
การเรียนรู้การตัดสินใจต้นไม้เป็นวิธีการทั่วไปที่ใช้ในการทำเหมืองข้อมูล มีเป้าหมายที่จะสร้างแบบจำลองคาดการณ์ว่ามูลค่าของเป้าหมายที่ตัวแปรขึ้นอยู่กับตัวแปรหลาย ภายในแต่ละโหนดสอดคล้องกับหนึ่งในตัวแปรนั้น มีขอบให้กับเด็กสำหรับแต่ละค่าที่เป็นไปของตัวแปร ใบแต่ละค่าของเป้าหมายตัวแปรที่กำหนดค่าของตัวแปรที่แสดงโดยเส้นทางจากรากใบ(Dunham, 2003) บางข้อได้เปรียบที่สำคัญของการใช้ต้นไม้ตัดสินใจมีความสะดวกในการใช้งานและประสิทธิภาพโดยรวม. กฎที่จะได้รับที่ง่ายต่อการตีความ

ผลลัพธ์ (ไทย) 3:

การเรียนรู้ต้นไม้ตัดสินใจเป็น
วิธีการทั่วไปที่ใช้ในการทำเหมืองข้อมูล เป้าหมายคือเพื่อสร้างแบบจำลองที่คาดการณ์

ค่าของตัวแปรเป้าหมายขึ้นอยู่กับตัวแปรหลาย แต่ละโหนดภายใน
สอดคล้องกับหนึ่งในตัวแปรนำเข้า มี
ขอบให้เด็กแต่ละค่าที่เป็นไปได้ของ
ใส่ตัวแปร แต่ละใบแสดงมูลค่าของเป้าหมาย
ตัวแปรรับค่าใส่ตัวแปร
แสดงเส้นทางจากรากสู่ใบ
( แฮม , 2003 ) บางส่วนของประโยชน์ที่สำคัญของการใช้
ต้นไม้การตัดสินใจจะใช้งานง่ายและมีประสิทธิภาพโดยรวม .
กฎได้มาที่ง่ายต่อการตีความ