15 attributes. It took 0.89 second

15 attributes. It took 0.89 second to build the model
and the model generated a tree with a size of 473
and 323 leaves.
On the second scenario the algorithm was
run on a full training set containing 7,339 instances
with selected 8 attributes. It took 0.36 second to
build the model and the model generated smaller
and less complex tree with a size of 126 and 71
leaves making it less complex and faster than the
experiment conducted on all attributes.
In the first experiment I evaluated the
performance of J48 classifier unpruned tree in
predicting heart disease. The result of which is
given in table 1.1 below and their detail performance
measures used is depicted in table 1.2.
In the first case the algorithm was run on
a full training set containing 7,339 instances with
15 attributes. It took 0.89 second to build the model
and the model generated a tree with a size of 473
and 323 leaves.
In the second case situation the algorithm
was run on a full training set containing 7,339
instances with selected 8 attributes. It took 0.36
second to build the model and the model generated
smaller and less complex tree with a size of 126
and 71 leaves making it less complex and faster
than the experiment conducted on all attributes.

ผลลัพธ์ (ไทย) 1:

15 แอตทริบิวต์ ใช้ 0.89 วินาทีเพื่อสร้างแบบจำลองและรูปแบบสร้างต้นไม้ขนาด 473 วิธี:และใบไม้ 323ในสถานการณ์สมมติสอง อัลกอริทึมถูกเรียกใช้ในการฝึกอบรมเต็มรูปแบบตั้งประกอบด้วยอินสแตนซ์ 7,339มีเลือกแอททริบิวต์ 8 มันเอาสอง 0.36 จะสร้างรูปแบบและแบบจำลองที่สร้างขนาดเล็กและต้นไม้น้อยซับซ้อนขนาด 126 และ 71ใบทำให้ซับซ้อนน้อยกว่า และเร็วกว่าการดำเนินการทดลองในแอตทริบิวต์ทั้งหมดในการทดลองครั้งแรก ผมประเมินการประสิทธิภาพของแผนภูมิ unpruned classifier J48 ในคาดการณ์โรคหัวใจ ผลลัพธ์ที่ได้กำหนดในตาราง 1.1 ด้านล่างและการปฏิบัติรายละเอียดมาตรการที่ใช้จะแสดงในตาราง 1.2ในกรณีแรกที่ อัลกอริทึมถูกเรียกใช้บนชุดฝึกเต็มรูปแบบที่ประกอบด้วยอินสแตนซ์ 7,339 ด้วย15 แอตทริบิวต์ ใช้ 0.89 วินาทีเพื่อสร้างแบบจำลองและรูปแบบสร้างต้นไม้ขนาด 473 วิธี:และใบไม้ 323ในสถานการณ์กรณีที่สองอัลกอริทึมรันชุดฝึกเต็มรูปแบบประกอบด้วย 7,339กรณี มีคุณลักษณะเลือก 8 ใช้ 0.36ประการที่สองเพื่อสร้างรูปแบบและแบบจำลองที่สร้างขึ้นต้นไม้ขนาดเล็ก และไม่ซับซ้อนขนาด 12671 ทิ้งทำให้ซับซ้อนน้อยกว่า และเร็วกว่ากว่าทดลองดำเนินการในแอตทริบิวต์ทั้งหมด

ผลลัพธ์ (ไทย) 2:

15 คุณลักษณะ มันต้องใช้เวลา 0.89 ที่สองที่จะสร้างรูปแบบ
และรูปแบบที่สร้างขึ้นต้นไม้ที่มีขนาดของ 473
และ 323 ใบ.
ในสถานการณ์ที่สองขั้นตอนวิธีการได้รับการ
ทำงานในชุดที่มีการฝึกอบรมเต็มรูปแบบ 7339 กรณี
ที่มีการเลือก 8 คุณลักษณะ มันต้องใช้เวลา 0.36 ที่สองที่จะ
สร้างรูปแบบและรูปแบบที่สร้างขึ้นมีขนาดเล็ก
และต้นไม้ที่ซับซ้อนน้อยกว่าที่มีขนาด 126 และ 71
ใบทำให้มันซับซ้อนน้อยกว่าและเร็วกว่า
การทดลองดำเนินการเกี่ยวกับคุณลักษณะทั้งหมด.
ในการทดลองแรกที่ผมได้รับการประเมิน
ประสิทธิภาพการทำงานของลักษณนาม J48 unpruned ต้นไม้ใน
การทำนายการเกิดโรคหัวใจ ผลจากการที่มีการ
กำหนดไว้ในตารางด้านล่าง 1.1 และประสิทธิภาพการทำงานของพวกเขารายละเอียด
มาตรการที่ใช้เป็นที่ปรากฎในตาราง 1.2.
ในกรณีแรกขั้นตอนวิธีการดำเนินการใน
ชุดการฝึกอบรมเต็มรูปแบบที่มี 7,339 กรณีที่มี
15 คุณลักษณะ มันต้องใช้เวลา 0.89 ที่สองที่จะสร้างรูปแบบ
และรูปแบบที่สร้างขึ้นต้นไม้ที่มีขนาดของ 473
และ 323 ใบ.
ในสถานการณ์กรณีที่สองขั้นตอนวิธีการ
ดำเนินการกับชุดการฝึกอบรมเต็มรูปแบบที่มี 7,339
กรณีที่มีการเลือก 8 คุณลักษณะ มันต้องใช้เวลา 0.36
ที่สองที่จะสร้างรูปแบบและรูปแบบที่สร้างขึ้น
ต้นไม้ที่มีขนาดเล็กและมีความซับซ้อนน้อยที่มีขนาด 126
และ 71 ใบทำให้มันซับซ้อนน้อยกว่าและเร็ว
กว่าการทดลองดำเนินการเกี่ยวกับคุณลักษณะทั้งหมด

ผลลัพธ์ (ไทย) 3:

15 แอตทริบิวต์ มันเอา 0.89 วินาทีที่จะสร้างแบบจำลอง
และรูปแบบสร้างต้นไม้ที่มีขนาด 473

และ มีใบ ในสถานการณ์ที่สองวิธีคือ
วิ่งในการฝึกอบรมเต็มรูปแบบการตั้งค่าที่มี 7339 กรณี
ที่ 8 คุณลักษณะ มันเอา 0.36 วินาที

สร้างโมเดล และโมเดลที่สร้างขึ้นมีขนาดเล็กและซับซ้อนน้อยลง
ต้นไม้มีขนาด 126 และ 71
ใบที่ทำให้มันซับซ้อนน้อยกว่าและเร็วกว่าการทดลองดำเนินการในลักษณะ
.
ในการทดลองครั้งแรก ผมประเมินประสิทธิภาพของ j48 ลักษณนาม unpruned

ทำนายต้นไม้ในโรคหัวใจ ผลที่ได้รับในด้านล่างตาราง 1.1

รายละเอียดและประสิทธิภาพของมาตรการที่ใช้เป็นภาพตารางที่ 1.2 .
ในกรณีแรกนี้ก็วิ่งบน
การฝึกอบรมครบชุดประกอบด้วย 7แต่กรณีกับ
15 แอตทริบิวต์ มันเอา 0.89 วินาทีที่จะสร้างแบบจำลอง
และรูปแบบสร้างต้นไม้ที่มีขนาด 473

และ มีใบ ในสถานการณ์ที่สองอัลกอริทึม
ใช้ในการฝึกอบรมเต็มรูปแบบการตั้งค่าที่มีอินสแตนซ์ 7339
ที่ 8 คุณลักษณะ มันเอา 0.36
ที่สองเพื่อสร้างแบบจำลองและแบบจำลองที่สร้างขึ้นมีขนาดเล็กและซับซ้อนน้อยลงด้วย

) ขนาดของต้นไม้และ 71 ใบทำน้อยกว่าที่ซับซ้อนและเร็ว
การทดลองดำเนินการในแอตทริบิวต์