Decision Trees Predictive models fa

Decision Trees Predictive models fall into one of two general categories: regression models that predict continuous values and classifi- cation models that predict discrete values. Our first experiments focused on regression models, but we found that they performed poorly since coverage is bounded by [0%, 100%]. Many closely-related nominal metrics or an unusually large or small numeric metric could send the prediction out of this range, causing a nonsensical prediction less than 0% or greater than 100%. We then experimented with several classification models and found that decision trees best served our purposes for the following reasons:

ผลลัพธ์ (ไทย) 1:

ตัดสินใจแบบจำลองคาดการณ์ต้นแบ่งออกเป็นสองประเภทอย่างใดอย่างหนึ่ง: แบบจำลองถดถอยที่ทำนายค่าอย่างต่อเนื่องและ classifi cation รุ่นที่ ทำนายค่าแยกกัน ทดลองครั้งแรกของเราเน้นแบบจำลองถดถอย แต่เราพบว่า พวกเขาทำไม่ดีเนื่องจากความครอบคลุมถูกล้อมรอบโดย [0%, 100%] ต่าง ๆ ที่เกี่ยวข้องอย่างใกล้ชิดระบุวัดหรือวัดเป็นตัวเลขขนาดใหญ่ หรือเล็กผิดปกติสามารถส่งคำทำนายนอกช่วงนี้ ทำให้เกิดการคาดการณ์ nonsensical น้อย กว่า 0% หรือมากกว่า 100% เราเบื้อง มีหลายรูปแบบจัดประเภท แล้วพบว่า ต้นไม้ตัดสินใจที่ดีที่สุดบริการวัตถุประสงค์ของเราด้วยเหตุผลต่อไปนี้:

ผลลัพธ์ (ไทย) 2:

ต้นไม้การตัดสินใจแบบจำลองทำนายตกอยู่ในหนึ่งในสองประเภททั่วไป: รูปแบบการถดถอยที่คาดการณ์ค่าอย่างต่อเนื่องและรุ่นไอออนบวก classifi- ที่คาดการณ์ค่าที่ไม่ต่อเนื่อง การทดลองครั้งแรกของเรามุ่งเน้นไปที่รูปแบบการถดถอย แต่เราพบว่าพวกเขาทำไม่ดีตั้งแต่ความคุ้มครองเป็นที่สิ้นสุดโดย [0% 100%] หลายคนอย่างใกล้ชิดที่เกี่ยวข้องกับตัวชี้วัดที่ระบุหรือตัวชี้วัดที่เป็นตัวเลขผิดปกติขนาดใหญ่หรือเล็กสามารถส่งคำทำนายออกจากช่วงนี้ก่อให้เกิดการคาดการณ์ไร้สาระน้อยกว่า 0% หรือมากกว่า 100% จากนั้นเราจะทดลองกับรูปแบบการจัดหมวดหมู่หลายแห่งและพบว่าต้นไม้ตัดสินใจบริการที่ดีที่สุดวัตถุประสงค์ของเราด้วยเหตุผลต่อไปนี้:

ผลลัพธ์ (ไทย) 3:

ต้นไม้การตัดสินใจแบบจำลองเพื่อทำนายตกอยู่ในหนึ่งในสองประเภททั่วไป : การถดถอยแบบจำลองทำนายค่าต่อเนื่องและ classifi - การแบบจำลองทำนายค่าไม่ต่อเนื่อง การทดลองครั้งแรกของเราเน้นการถดถอย แต่เราพบว่า มีการปฏิบัติงานตั้งแต่ความคุ้มครองเป็นหลักการ [ 0 % , 100 % ]หลายชื่อที่เกี่ยวข้องอย่างใกล้ชิดที่สุด หรือมีขนาดใหญ่ผิดปกติ หรือวัดตัวเลขขนาดเล็กสามารถส่งคำทำนายออกมาในช่วงนี้ ทำให้คำทำนายไร้สาระน้อยกว่า 0 % หรือมากกว่า 100% เราก็ทดลองกับหลายรูปแบบการจำแนกและพบว่าต้นไม้การตัดสินใจที่ดีที่สุดให้บริการวัตถุประสงค์ของเราด้วยเหตุผลต่อไปนี้ :