AbstractRecent advances in computin

Abstract
Recent advances in computing technology in terms of speed, cost, as well as access to tremendous amounts of
computing power and the ability to process huge amounts of data in reasonable time has spurred increased interest in
data mining applications to extract useful knowledge from data. Machine learning has been one of the methods used in
most of these data mining applications. It is widely acknowledged that about 80% of the resources in a majority of data
mining applications are spent on cleaning and preprocessing the data. However, there have been relatively few studies
on preprocessing data used as input in these data mining systems. In this study, we evaluate several inter-class as well as
probabilistic distance-based feature selection methods as to their effectiveness in preprocessing input data for inducing
decision trees. We use real-world data to evaluate these feature selection methods. Results from this study show that
inter-class distance measures result in better performance compared to probabilistic measures, in general.

2003 Elsevier B.V. All rights reserved.
Keywords: Artificial intelligence; Feature selection; Decision trees; Credit risk analysis

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ
ความก้าวหน้าในเทคโนโลยีคอมพิวเตอร์ในแง่ของความเร็วค่าใช้จ่ายเช่นเดียวกับการเข้าถึงจำนวนมากของ
การคำนวณพลังงานและความสามารถในการประมวลผลข้อมูลจำนวนมากในเวลาที่เหมาะสมได้กระตุ้นความสนใจที่เพิ่มขึ้นใน
การใช้งานการทำเหมืองข้อมูลเพื่อดึงความรู้ที่มีประโยชน์จากข้อมูล การเรียนรู้เครื่องได้รับหนึ่งในวิธีการที่ใช้ใน
ส่วนใหญ่เหล่านี้การใช้งานการทำเหมืองข้อมูล เป็นที่ยอมรับกันอย่างกว้างขวางว่าประมาณ 80% ของทรัพยากรในส่วนของข้อมูล
การใช้งานการทำเหมืองแร่มีการใช้จ่ายในการทำความสะอาดและ preprocessing ข้อมูล อย่างไรก็ตามมีการศึกษาค่อนข้างน้อย
กับข้อมูล preprocessing ใช้เป็นข้อมูลในระบบเหล่านี้การทำเหมืองข้อมูล ในการศึกษานี้เราประเมินระหว่างหลายระดับเช่นเดียวกับ
ระยะทางที่ใช้น่าจะเป็นวิธีการเลือกคุณลักษณะที่จะมีประสิทธิภาพในการป้อนข้อมูล preprocessing ในการกระตุ้น
การตัดสินใจของต้นไม้ เราใช้ข้อมูลจริงของโลกในการประเมินคุณลักษณะวิธีการคัดเลือกเหล่านี้ ผลลัพธ์ที่ได้จากการศึกษาครั้งนี้แสดงให้เห็นว่า
มาตรการระยะระหว่างระดับส่งผลให้ประสิทธิภาพที่ดีขึ้นเมื่อเทียบกับความน่าจะเป็นมาตรการในทั่วไป.
? . 2003 Elsevier BV สงวนลิขสิทธิ์
คำสำคัญ: ปัญญาประดิษฐ์; เลือกคุณสมบัติ; ต้นไม้ตัดสินใจ การวิเคราะห์ความเสี่ยงด้านสินเชื่อ

ผลลัพธ์ (ไทย) 3:

ความก้าวหน้าล่าสุดในเทคโนโลยีคอมพิวเตอร์นามธรรม
ในแง่ของความเร็วค่าใช้จ่ายเช่นเดียวกับการเข้าถึงปริมาณมหาศาลของ
คอมพิวเตอร์และความสามารถในกระบวนการขนาดใหญ่ปริมาณของข้อมูลในเวลาที่เหมาะสมได้กระตุ้นความสนใจที่เพิ่มขึ้นในการประยุกต์ใช้เหมืองข้อมูลข้อมูลความรู้ที่เป็นประโยชน์จาก
เพื่อสกัดข้อมูล การเรียนรู้ของเครื่องได้รับหนึ่งของวิธีการที่ใช้ในส่วนใหญ่ของโปรแกรมเหล่านี้
ข้อมูลเหมืองแร่มันเป็นที่ยอมรับอย่างกว้างขวางว่าประมาณ 80% ของทรัพยากรในส่วนใหญ่ของการประยุกต์ใช้เหมืองข้อมูล
จะใช้เวลาในการทำความสะอาดและการเตรียมข้อมูล อย่างไรก็ตาม มีการศึกษาค่อนข้างน้อย
ในการเตรียมข้อมูลที่ใช้เป็นข้อมูลในระบบการทำเหมืองข้อมูลเหล่านี้ ในการศึกษานี้เราประเมินหลายชั้นรวมทั้ง
อินเตอร์ระยะทางการใช้วิธีการเลือกคุณลักษณะที่มีประสิทธิภาพของพวกเขาในการเตรียมข้อมูลสำหรับ inducing
ต้นไม้เพื่อการตัดสินใจ เราใช้ข้อมูลที่เป็นจริง เพื่อประเมินคุณลักษณะเหล่านี้ การเลือกวิธี ผลจากการศึกษานี้แสดงให้เห็นว่ามาตรการที่ส่งผลในคลาส
ระหว่างระยะทางที่ประสิทธิภาพดีขึ้นเมื่อเทียบกับมาตรการการในทั่วไป .

2003 สามารถนำเสนอ
คำสำคัญ : สงวนลิขสิทธิ์ปัญญาประดิษฐ์ การเลือกคุณลักษณะ ต้นไม้ การตัดสินใจ การวิเคราะห์ความเสี่ยงด้านเครดิต