For each tuple in the training set,

For each tuple in the training set, the class to which the tuple belongs is
already known. For instance, the training set for a credit-card application may
be the existing customers, with their credit-worthiness determined from their
payment history. The actual data, or population, may consist of all people, including
those who are not existing customers. There are several ways of building
a classifier, as we shall see.

ผลลัพธ์ (ไทย) 1:

สำหรับ tuple ในชุดการฝึกอบรมในแต่ละชั้นเรียนเพื่อ tuple ซึ่งจะเป็นส่วนหนึ่งที่เป็นที่รู้จักกันแล้ว
ตัวอย่างเช่นการฝึกอบรมที่กำหนดไว้สำหรับการประยุกต์ใช้บัตรเครดิต-
อาจจะเป็นลูกค้าที่มีอยู่ด้วยบัตรเครดิตคุ้มค่าของพวกเขาหาได้จากประวัติการชำระเงินของพวกเขา
ข้อมูลจริงหรือประชากรอาจประกอบด้วยของทุกคนรวมทั้ง
ผู้ที่ไม่ได้ลูกค้าที่มีอยู่ มีหลายวิธีของอาคารเป็น
ลักษณนามที่เราจะได้เห็น

ผลลัพธ์ (ไทย) 2:

ในแต่ละทูเพิลในชุดฝึกอบรม เป็นชั้นที่อยู่ในทูเพิล
แล้วรู้จักกัน ตัวอย่าง การฝึกอบรมที่ตั้งค่าสำหรับการใช้บัตรเครดิตอาจ
เป็นลูกค้าที่มีอยู่ กับ credit-worthiness ของพวกเขาถูกกำหนดจากความ
ประวัติการชำระเงินได้ ข้อมูลที่แท้จริง หรือประชากร อาจประกอบด้วยคนทั้งหมด รวม
ที่มีอยู่ลูกค้าได้ มีหลายวิธีของอาคาร
เป็น classifier ดังที่เราจะเห็น

ผลลัพธ์ (ไทย) 3:

สำหรับ tuple แต่ละตัวในตั้งค่าการฝึกอบรมที่ Class ที่ tuple ที่เป็นที่รู้จักกันในชื่อของ
อยู่แล้ว ตัวอย่างเช่นการฝึกอบรมที่ตั้งค่าไว้สำหรับแอปพลิเคชันบัตรเครดิตที่อาจ
ซึ่งจะช่วยให้ลูกค้าที่มีอยู่เดิมด้วยบัตรเครดิต - เงินในระยะยาวของพวกเขาถูกกำหนดจากประวัติการชำระเงินของเขา
ข้อมูลที่แท้จริงหรือประชากรอาจประกอบด้วยของประชาชนทั้งหมดรวมถึง
ซึ่งจะช่วยผู้ที่ไม่ได้ลูกค้าที่มีอยู่ มีหลายวิธีด้วยกันของอาคาร
ตามมาตรฐานข้าวเป็นเราจะได้เห็น.