Moreover, M5P regression tree did n

Moreover, M5P regression tree did not perform as well as the other decision trees since it required more assumptions than the formers. In fact, The REPTree was found as a fast decision tree learner which builds a decision/regression tree using information gain as the splitting criterion, and prunes it using reduced error pruning. The model only sorted values for numeric attributes once. Missing values were dealt with using C4.5’s method of using fractional

ผลลัพธ์ (ไทย) 1:

นอกจากนี้ ทรี M5P ถดถอยได้ทำและต้นไม้การตัดสินใจอื่น ๆ เนื่องจากต้องการเพิ่มเติมสมมติฐานกว่า formers ที่ ในความเป็นจริง REPTree ที่พบเป็นผู้เรียนต้นไม้ตัดสินใจอย่างรวดเร็ว ซึ่งสร้างต้นไม้ตัดสินใจ/การถดถอยที่ใช้ข้อมูลกำไรเป็นเกณฑ์แยก prunes ใช้ ตัดข้อผิดพลาดที่ลดลง ค่าแบบเรียงลำดับเฉพาะ สำหรับแอตทริบิวต์เลขครั้ง ค่าที่หายไปถูกลแก้ใช้ C4.5 ของวิธีการใช้เศษ

ผลลัพธ์ (ไทย) 2:

นอกจากนี้ต้นไม้ถดถอย M5P ไม่ได้ดำเนินการเช่นเดียวกับต้นไม้ตัดสินใจอื่น ๆ เพราะมันต้องใช้สมมติฐานมากกว่า formers ในความเป็นจริงที่ REPTree ก็พบว่าเป็นผู้เรียนตัดสินใจอย่างรวดเร็วต้นไม้ซึ่งสร้างการตัดสินใจ / ถดถอยโดยใช้ต้นไม้ได้รับข้อมูลที่เป็นเกณฑ์แยกและพรุนโดยใช้การตัดแต่งกิ่งข้อผิดพลาดลดลง รูปแบบเท่านั้นเรียงค่าสำหรับแอตทริบิวต์ที่เป็นตัวเลขหนึ่งครั้ง ค่าที่ขาดหายได้กระทำด้วยการใช้วิธีการของ C4.5 ของการใช้เศษ

ผลลัพธ์ (ไทย) 3:

นอกจากนี้ m5p ถดถอยต้นไม้ไม่ปฏิบัติงาน ตลอดจนการตัดสินใจอื่น ๆต้นไม้เพราะต้องสมมติฐานมากกว่าภาพ . ในความเป็นจริง reptree พบเป็นรวดเร็วโครงสร้างการตัดสินใจเรียน ซึ่งสร้างการตัดสินใจ / การใช้ข้อมูลได้แบ่งต้นไม้เป็นเกณฑ์ และลูกพรุนลดข้อผิดพลาดการตัดแต่งกิ่ง รูปแบบเฉพาะเรียงค่าแอตทริบิวต์ตัวเลขครั้งค่าหายไปถูกจัดการโดยใช้โปรแกรม C4.5 เป็นวิธีการของการใช้ .