A significant benefit of Bayesian c

A significant benefit of Bayesian classifiers is that they can classify instances
with unknown and null attribute values—unknown or null attributes are just
omitted from the probability computation. In contrast, decision-tree classifiers
cannot meaningfully handle situations where an instance to be classified has a
null value for a partitioning attribute used to traverse further down the decision
tree.

ผลลัพธ์ (ไทย) 1:

ประโยชน์ที่สำคัญของตัวจําแนกเบส์ที่พวกเขาสามารถจำแนก
กรณีที่มีคุณลักษณะที่ไม่รู้จักและ null คุณสมบัติค่าที่ไม่รู้จักหรือ null เป็นเพียง
ตัดออกจากการคำนวณความน่าจะเป็น ในทางตรงกันข้ามการจําแนกการตัดสินใจต้นไม้-
ไม่สามารถจัดการกับสถานการณ์ที่มีความหมายเช่นที่จะจำแนกมี
ค่าสำหรับแอตทริบิวต์การแบ่งใช้ในการตัดต่อการตัดสินใจลงต้นไม้

ผลลัพธ์ (ไทย) 2:

ประโยชน์ที่สำคัญของคำนามภาษาทฤษฎีเป็นที่พวกเขาสามารถจัดประเภทกรณี
กับค่าแอตทริบิวต์ที่ไม่รู้จัก และเป็น null — แอตทริบิวต์ที่ไม่รู้จัก หรือ null เพียง
ละเว้นจากการคำนวณความน่าเป็น ในความคมชัด คำนามภาษาต้นไม้การตัดสินใจ
มาไม่สามารถจัดการกับสถานการณ์ที่มีอินสแตนซ์การจัดประเภทการ
null ค่าสำหรับแอตทริบิวต์ที่แบ่งพาร์ติชันที่ใช้การลงตัดสินใจเพิ่มเติม
แผนภูมิ

ผลลัพธ์ (ไทย) 3:

คุณได้รับประโยชน์อย่างมากของ classifiers Bayesian คือการที่พวกเขาจะสามารถจัดหมวดหมู่กรณี
พร้อมด้วยแอตทริบิวต์ค่าแอตทริบิวต์ที่ไม่รู้จักและไม่มีผล - ไม่ทราบหรือไม่มีเพียง
ถูกตัดออกไปจากมาตรวัดความเป็นไปได้ ในทางตรงข้ามการตัดสินใจ - ทรี classifiers
ไม่สามารถจัดการกับสถานการณ์ที่ยกตัวอย่างเช่นที่จะต้องได้รับการจำแนกให้เป็นมี
ตามมาตรฐานอย่างมีความหมายสอดคล้องต้องกันมีค่าเป็นนัลค่าการแบ่งพาร์ติชั่นสำหรับแอตทริบิวต์ที่ใช้ในการเดินต่อไปลงการตัดสินใจ
ต้นไม้