In the describe survey CART, ID3 an

In the describe survey CART, ID3 and decision table have been used to predict attributes such as age, sex, blood pressure and
blood sugar for chances of a patient getting heart disease. The data is analyzed and implemented in WEKA ("Waikato
Environment for Knowledge Analysis") tool. It is open source software which consists of a collection of machine learning
algorithms for data mining tasks. Data mining finds out the valuable information hidden in huge volumes of data. Weka tool is a
collection of machine learning algorithms for data mining techniques, written in Java. We have used 10 folds cross validation to
minimize any bias in the process and improve the efficiency of the process. The three classifiers like CART (Classification and
Regression Tree), ID3 (Iterative Dichotomized 3) and decision table (DT) were implemented in WEKA. The results show clearly
that the proposed method performs well compared to other similar methods in the literature, taking into the fact that the attributes
taken for analysis are not direct indicators of heart disease.

ผลลัพธ์ (ไทย) 1:

สำรวจ describe ตะกร้า ตาราง ID3 และตัดสินใจใช้การทำนายคุณลักษณะเช่นอายุ เพศ ความดันโลหิต และระดับน้ำตาลในเลือดสำหรับผู้ป่วยโรคหัวใจได้รับโอกาส ข้อมูลวิเคราะห์ และดำเนินการใน WEKA ("ไวกาโต้เครื่องมือสิ่งแวดล้อมสำหรับการวิเคราะห์ความรู้") เป็นซอฟต์แวร์โอเพนซอร์ซซึ่งประกอบด้วยชุดการเรียนรู้ของเครื่องอัลกอริทึมสำหรับงานการทำเหมืองข้อมูล การทำเหมืองข้อมูลค้นหาข้อมูลอันมีค่าที่ซ่อนอยู่ในไดรฟ์ข้อมูลขนาดใหญ่ของข้อมูล เครื่องมือ wekaคอลเลกชันของอัลกอริทึมการเรียนรู้เครื่องสำหรับเทคนิคการทำเหมืองข้อมูล เขียนใน Java เราใช้ 10 พับข้ามต้องลดอคติใด ๆ ในกระบวนการ และปรับปรุงประสิทธิภาพของกระบวนการ คำนามภาษาที่สามเช่นรถเข็น (การจัดประเภท และถดถอยทรี), ID3 (ซ้ำ Dichotomized 3) และตารางการตัดสินใจ (DT) ถูกนำมาใช้ใน WEKA แสดงผลชัดเจนว่า วิธีการนำเสนอทำดีเมื่อเทียบกับวิธีการอื่น ๆ คล้ายกันในวรรณคดี พิจารณาข้อเท็จจริงที่แอตทริบิวต์นำมาวิเคราะห์จะไม่ ตรงตัวบ่งชี้ของโรคหัวใจ

ผลลัพธ์ (ไทย) 2:

ในรถเข็นอธิบายสำรวจ ID3 และตารางการตัดสินใจได้ถูกนำมาใช้ในการทำนายคุณลักษณะเช่นอายุ, เพศ, ความดันโลหิตและ
ระดับน้ำตาลในเลือดสำหรับโอกาสของผู้ป่วยที่ได้รับการเกิดโรคหัวใจ ข้อมูลที่มีการวิเคราะห์และดำเนินการใน WEKA ("Waikato
สิ่งแวดล้อมสำหรับการวิเคราะห์ความรู้ ") เครื่องมือ เป็นซอฟต์แวร์โอเพนซอร์สซึ่งประกอบด้วยคอลเลกชันของการเรียนรู้เครื่อง
อัลกอริทึมสำหรับงานการทำเหมืองข้อมูล การทำเหมืองข้อมูลพบข้อมูลที่มีค่าที่ซ่อนอยู่ในปริมาณมากของข้อมูล เครื่องมือ Weka เป็น
คอลเลกชันของขั้นตอนวิธีการเรียนรู้เครื่องสำหรับเทคนิคการทำเหมืองข้อมูล, เขียนใน Java เราได้ใช้ 10 เท่าการตรวจสอบข้ามเพื่อ
ลดอคติใด ๆ ในกระบวนการและปรับปรุงประสิทธิภาพของกระบวนการ สามแยกประเภทเช่นรถเข็น (จำแนกประเภทและ
ต้นไม้ถดถอย) ID3 (ซ้ำ dichotomized 3) และตารางการตัดสินใจ (DT) ถูกนำมาใช้ใน WEKA ผลที่ได้แสดงให้เห็นอย่างชัดเจน
ว่าวิธีการที่นำเสนอได้ดีดำเนินการเมื่อเทียบกับวิธีอื่นที่คล้ายคลึงกันในวรรณคดีโดยคำนึงถึงความจริงที่ว่าคุณลักษณะ
ที่สำหรับการวิเคราะห์ตัวชี้วัดไม่ได้โดยตรงของการเกิดโรคหัวใจ

ผลลัพธ์ (ไทย) 3:

ในการอธิบายและ ID3 รถเข็นสำรวจตารางการตัดสินใจได้ถูกใช้เพื่อทำนายคุณลักษณะเช่นอายุ , เพศ , ความดันโลหิตและน้ำตาลในเลือดสำหรับ
โอกาสของผู้ป่วยที่เริ่มเป็นโรคหัวใจ การวิเคราะห์ข้อมูล ใช้กับเวก้า ( " สิ่งแวดล้อม Waikato
สำหรับการวิเคราะห์ความรู้ ) เครื่องมือ มันเป็นเปิดแหล่งซอฟต์แวร์ที่ประกอบด้วยคอลเลกชันของการเรียนรู้ของเครื่อง
ขั้นตอนวิธีสำหรับงานการทำเหมืองข้อมูลการทำเหมืองข้อมูลค้นพบข้อมูลที่มีคุณค่าที่ซ่อนอยู่ในขนาดใหญ่ปริมาณของข้อมูล เครื่องมือเวก้าเป็น
คอลเลกชันของอัลกอริทึมการเรียนรู้ของเครื่องจักรสำหรับเทคนิคของเหมืองข้อมูลที่เขียนใน Java เราได้ใช้ข้ามการตรวจสอบ 10 เท่า

ลดอคติในกระบวนการและการเพิ่มประสิทธิภาพของกระบวนการ สามคำ เช่น รถเข็น ( หมวดหมู่
ต้นไม้ถดถอย )ID3 ( dichotomized ซ้ำ 3 ) และตารางการตัดสินใจ ( DT ) ถูกนำมาใช้ใน Weka . แสดงผลอย่างชัดเจน
วิธีที่เสนอมีประสิทธิภาพดีเมื่อเทียบกับวิธีอื่นๆ ที่คล้ายกันในวรรณคดี , สละในที่คุณลักษณะ
ถ่ายเพื่อการวิเคราะห์ไม่ใช่ตัวชี้วัดโดยตรงของการเกิดโรคหัวใจ