We assume that the unknown values (

We assume that the unknown values (in the training cases or in the observations) are missing completely at random.
To select an attribute in the building process of the decision tree, a general splitting criterion will be formally defined.
To do so, the missing value is first taken as a new value of the attribute. Second, the splitting criterion takes into
account this new value. Finally, a reduced weight is assigned to the attribute with missing values. In this way, every
splitting criterion defined as working without missing values is adapted to work with missing attribute values.

ผลลัพธ์ (ไทย) 1:

เราสมมติว่า ค่าที่ไม่รู้จัก (ในกรณีฝึก หรือข้อสังเกต) จะหายไปอย่างสมบูรณ์ที่สุ่มการเลือกแอตทริบิวต์ในกระบวนการสร้างต้นไม้ตัดสินใจ แยกเกณฑ์ทั่วไปจะอย่างเป็นทางกำหนดการทำงาน ค่าหายไปเป็นครั้งแรกนำมาเป็นค่าของแอตทริบิวต์ใหม่ ที่สอง แยกเกณฑ์คำนึงบัญชีค่าใหม่นี้ ในที่สุด ลดน้ำหนักถูกกำหนดให้กับแอตทริบิวต์มีค่าหายไป ในวิธีนี้ ทุกแบ่งเกณฑ์กำหนดเป็นงานโดยไม่มีค่าหายไปปรับการทำงานกับค่าแอตทริบิวต์ที่หายไป

ผลลัพธ์ (ไทย) 2:

เราคิดว่าค่าที่ไม่รู้จัก (ในกรณีการฝึกอบรมหรือในการสังเกต) จะหายไปอย่างสมบูรณ์แบบสุ่ม
เพื่อเลือกแอตทริบิวต์ในกระบวนการสร้างของต้นไม้ตัดสินใจแยกเป็นเกณฑ์ทั่วไปจะถูกกำหนดอย่างเป็นทางการ
จะทำเช่นนั้นค่าที่หายไปจะนำมาเป็นครั้งแรกที่ค่าใหม่ของแอตทริบิวต์ ประการที่สองเกณฑ์แยกจะเข้าสู่
บัญชีค่าใหม่นี้ สุดท้ายน้ำหนักที่ลดลงได้รับมอบหมายให้แอตทริบิวต์ที่มีค่าที่ขาดหายไป ด้วยวิธีนี้ทุก
เกณฑ์กำหนดเป็นแยกทำงานโดยไม่มีค่าที่ขาดหายไปปรับใช้กับการทำงานร่วมกับค่าแอตทริบิวต์ที่ขาดหายไป

ผลลัพธ์ (ไทย) 3:

เราสันนิษฐานว่า ค่าที่ไม่รู้จัก ( ในการฝึกอบรม หรือกรณีที่ในการสังเกต ) จะหายไปอย่างสมบูรณ์แบบสุ่มการเลือกคุณลักษณะในการสร้างกระบวนการของการตัดสินใจแบบต้นไม้ มีการแบ่งเกณฑ์ทั่วไปอย่างเป็นทางการจะกำหนดทำแล้วหายค่า ก่อนนำมาเป็นค่าใหม่ของคุณลักษณะ ประการที่สอง การใช้เป็นเกณฑ์มูลค่าบัญชีใหม่นี้ ในที่สุด , ลดน้ำหนักที่มอบหมายให้แอททริบิวต์ที่มีค่าสูญหาย . วิธีนี้ ทุก ๆเกณฑ์การกำหนดทำงานโดยไม่คิดถึงค่าดัดแปลงงานหายไปค่าแอตทริบิวต์ .