Tree-based methods classify instanc

Tree-based methods classify instances by sorting the
instances down the tree from the root to some leaf
node, which provides the classification of a particular
instance. Each node in the tree specifies a test of
some attribute of the instance and each branch
descending from that node corresponds to one of the
possible values for this attribute [16]. J48 is a class
for generating a pruned or unpruned C4.5 decision
tree while Random Tree constructs a tree that
considers K randomly chosen attributes at each node
without pruning. We have used Cross-validation for
testing as it has been proved to be more suitable for
limited dataset and gives best estimate of error [10].

ผลลัพธ์ (ไทย) 2:

วิธีต้นไม้ที่ใช้จำแนกกรณีโดยเรียงลำดับ
กรณีต้นไม้ลงจากรากบางส่วนใบ
โหนดซึ่งมีการจัดหมวดหมู่ของโดยเฉพาะอย่างยิ่ง
เช่น โหนดในต้นไม้แต่ละระบุการทดสอบของ
แอตทริบิวต์ของตัวอย่างบางส่วนและแต่ละสาขา
ลงมาจากโหนดที่สอดคล้องกับหนึ่งใน
ค่าที่เป็นไปสำหรับคุณลักษณะนี้ [16] J48 เป็นชั้น
สำหรับการสร้างหรือตัดแต่ง unpruned ตัดสินใจ C4.5
ต้นไม้ในขณะที่ต้นไม้สุ่มสร้างต้นไม้ที่
พิจารณา K คุณลักษณะสุ่มเลือกที่แต่ละโหนด
โดยไม่มีการตัดแต่งกิ่ง เราได้ใช้การตรวจสอบข้ามสำหรับ
การทดสอบตามที่ได้รับการพิสูจน์แล้วว่ามีความเหมาะสมมากขึ้นสำหรับ
ชุดข้อมูลที่ จำกัด และให้ประมาณการที่ดีที่สุดของข้อผิดพลาด [10]

ผลลัพธ์ (ไทย) 3:

ต้นไม้ตามวิธีการแยกอินสแตนซ์โดยเรียงลำดับ
อินสแตนซ์ลงจากต้นรากบางใบ
โหนด ซึ่งมีการจัดหมวดหมู่ของอินสแตนซ์โดยเฉพาะ

แต่ละโหนดในต้นไม้ระบุการทดสอบ
คุณลักษณะบางอย่างของตัวอย่างและแต่ละสาขา
ลงมาจากโหนดที่สอดคล้องกับค่าหนึ่ง
เป็นไปได้นี้คุณลักษณะ [ 16 ] j48 เป็นชั้น
สำหรับการตัดหรือ unpruned แบบ C4.5 ขั้นตอนวิธีต้นไม้ตัดสินใจ
ในขณะที่ต้นไม้สุ่มสร้างต้นไม้
พิจารณา K สุ่มเลือกแอตทริบิวต์ในแต่ละโหนด
โดยไม่ต้องตัด เราได้ใช้ข้ามการตรวจสอบสำหรับ
ทดสอบ ได้รับการพิสูจน์แล้วว่ามีความเหมาะสมมากขึ้นสำหรับ
จำกัดข้อมูลและให้ประมาณการที่ดีที่สุดของข้อผิดพลาด [ 10 ]