In supervised, or predictive, direc

In supervised, or predictive, directed, or targeted modeling, the goal is to predict
an event or estimate the values of a continuous numeric attribute. In these models
there are input fields or attributes and an output or target field. Input fields are
also called predictors because they are used by the model to identify a prediction
function for the output field. We can think of predictors as the X part of the
function and the target field as the Y part, the outcome.
The model uses the input fields which are analyzed with respect to their effect
on the target field. Pattern recognition is ‘‘supervised’’ by the target field. Relationships are established between input and output fields. An input–output mapping
‘‘function’’ is generated by the model, which associates predictors with the output
and permits the prediction of the output values, given the values of the input fields.
Predictive models are further categorized into classification and estimation
models:
• Classification or propensity models: In these models the target groups or
classes are known from the start. The goal is to classify the cases into these
predefined groups; in other words, to predict an event. The generated model
can be used as a scoring engine for assigning new cases to the predefined classes.
It also estimates a propensity score for each case. The propensity score denotes
the likelihood of occurrence of the target group or event.
• Estimation models: These models are similar to classification models but with
one major difference. They are used to predict the value of a continuous field
based on the observed values of the input attributes.

ผลลัพธ์ (ไทย) 1:

ในโมเดลที่ ดูแล หรือทำนาย โดยตรง หรือเป้าหมาย เป้าหมายคือการ ทำนายเหตุการณ์ หรือประเมินค่าของแอตทริบิวต์ที่เป็นตัวเลขต่อเนื่องกัน ในรุ่นเหล่านี้มีฟิลด์ป้อนข้อมูล หรือแอตทริบิวต์ และเขตข้อมูลที่มีผลลัพธ์หรือเป้าหมาย ต้องกรอกข้อมูลเรียกว่าทำนาย เพราะมีใช้รูปแบบเพื่อระบุการคาดการณ์ฟังก์ชันสำหรับฟิลด์แสดงผล เราสามารถคิดทำนาย X หนึ่งตัวฟังก์ชันและฟิลด์เป้าหมายเป็นส่วน Y ผลแบบใช้ฟิลด์ป้อนข้อมูลที่วิเคราะห์เกี่ยวกับผลกระทบในฟิลด์เป้าหมาย การรู้จำแบบเป็น ''ดูแล '' โดยฟิลด์เป้าหมาย มีสร้างความสัมพันธ์ระหว่างอินพุท และเอาท์พุทฟิลด์ การแมปอินพุต – เอาท์พุตสร้างขึ้น โดยรุ่น ซึ่งร่วมทำนายกับการแสดงผล ''ฟังก์ชั่น ''และขออนุญาตคาดเดาผลลัพธ์ ค่า กำหนดค่าฟิลด์ป้อนข้อมูลการณ์มีการแบ่งการจำแนกและการประเมินรุ่น:•การจัดประเภทหรือกลั่นรุ่น: ในนี้รุ่นกลุ่มเป้าหมาย หรือคลาสที่เป็นที่รู้จักตั้งแต่เริ่มต้น เป้าหมายคือการ จัดประเภทกรณีที่เป็นเหล่านี้กลุ่มที่กำหนดไว้ล่วงหน้า ในคำอื่น ๆ การทำนายเหตุการณ์ แบบจำลองสร้างขึ้นสามารถใช้เป็นเครื่องมือให้คะแนนที่กำหนดใหม่กรณีเรียนล่วงหน้านอกจากนี้มันยังประเมินคะแนนกลั่นในแต่ละกรณี หมายถึงคะแนนกลั่นโอกาสของการเกิดขึ้นของกลุ่มเป้าหมายหรือเหตุการณ์•การประเมินรุ่น: โมเดลเหล่านี้จะคล้ายกับแบบจำลองการจัดหมวดหมู่ แต่มีความแตกต่างสำคัญที่หนึ่ง ในการทำนายค่าของเขตข้อมูลอย่างต่อเนื่องคะแนนเฉลียจากสังเกตค่าของแอตทริบิวต์สำหรับการป้อนค่า

ผลลัพธ์ (ไทย) 2:

ในภายใต้การดูแลหรือการทำนายกำกับหรือการกำหนดเป้าหมายการสร้างแบบจำลองเป้าหมายคือการคาดการณ์
เหตุการณ์หรือประเมินค่าของแอตทริบิวต์ที่เป็นตัวเลขอย่างต่อเนื่อง ในรุ่นนี้
มีช่องใส่หรือคุณลักษณะและการส่งออกหรือเป้าหมายฟิลด์ ช่องใส่จะ
เรียกว่าทำนายเพราะพวกเขาจะถูกใช้โดยรูปแบบในการระบุการคาดคะเน
ฟังก์ชั่นสำหรับเขตข้อมูลการส่งออก เราอาจจะคิดว่าการพยากรณ์เป็นส่วนหนึ่งที่ X ของ
ฟังก์ชั่นและข้อมูลเป้าหมายเป็นส่วน Y, ผล.
รูปแบบการใช้ช่องใส่ซึ่งมีการวิเคราะห์ที่เกี่ยวกับผลของพวกเขา
บนสนามเป้าหมาย การจดจำรูปแบบคือ '' ดูแล '' โดยสนามเป้าหมาย ความสัมพันธ์ระหว่าง input และ output สาขา ทำแผนที่อินพุท
'' ฟังก์ชั่น '' ถูกสร้างขึ้นโดยรูปแบบซึ่งจะเชื่อมโยงการพยากรณ์ที่มีการส่งออก
และการอนุญาตให้การคาดการณ์ของค่าการส่งออกที่ได้รับค่าของช่องใส่ได้.
รุ่น Predictive มีการแบ่งประเภทต่อไปในการจัดหมวดหมู่และการประมาณ
รุ่น:
•การจัดหมวดหมู่หรือนิสัยชอบรุ่น: ในรูปแบบเหล่านี้กลุ่มเป้าหมายหรือ
เรียนเป็นที่รู้จักกันตั้งแต่เริ่มต้น มีเป้าหมายที่จะจำแนกออกเป็นกรณีเหล่านี้
กลุ่มที่กำหนดไว้ล่วงหน้า; ในคำอื่น ๆ ที่จะทำนายเหตุการณ์ รูปแบบที่สร้างขึ้น
สามารถใช้เป็นเครื่องมือสำหรับการกำหนดเกณฑ์การให้คะแนนผู้ป่วยรายใหม่ที่จะเรียนที่กำหนดไว้ล่วงหน้า.
นอกจากนี้ยังประมาณการคะแนนความชอบในแต่ละกรณี คะแนนนิสัยชอบหมายถึง
โอกาสของการเกิดขึ้นของกลุ่มเป้าหมายหรือเหตุการณ์ที่เกิดขึ้น.
•แบบจำลองการประเมิน: โมเดลเหล่านี้จะคล้ายกับรูปแบบการจัดหมวดหมู่ แต่มี
หนึ่งความแตกต่างที่สำคัญ พวกเขาจะใช้ในการทำนายค่าของสนามอย่างต่อเนื่อง
บนพื้นฐานของค่าสังเกตของคุณลักษณะการป้อนข้อมูล

ผลลัพธ์ (ไทย) 3:

ในความดูแล หรือพยากรณ์ โดยตรง หรือเป้าหมายการ เป้าหมายคือ ทำนายเหตุการณ์หรือประมาณค่าแบบตัวเลขคุณลักษณะ ในรุ่นนี้มีเขตข้อมูลหรือคุณลักษณะและ output หรือเขตข้อมูลเป้าหมาย ช่องใส่เป็นเรียกว่าตัวแปร เพราะพวกเขาถูกใช้ โดยรูปแบบการระบุการคาดการณ์ฟังก์ชันสำหรับออกภาคสนาม เราสามารถคิดเป็น X ส่วนของตัวแปรฟังก์ชันและเขตข้อมูลเป้าหมายเป็น Y ส่วนผลรูปแบบการใช้เขตข้อมูลที่มีข้อมูลเกี่ยวกับผลของพวกเขาบนสนามเป้า รูปแบบ " "supervised " " โดยเป้าหมายเขตข้อมูล ความสัมพันธ์ขึ้นระหว่างเข้าและส่งออกเขตข้อมูล การเข้า–ออกแผนที่" "function " " ถูกสร้างขึ้นโดยรูปแบบ ซึ่งร่วมพยากรณ์กับผลผลิตและใบอนุญาตการคาดการณ์ผลผลิตค่า ได้รับค่าของเขตข้อมูล .ตัวแบบทำนายเพิ่มเติมแบ่งออกเป็นหมวดหมู่และการประมาณการรุ่น :หมวดหมู่ : รูปแบบบริการหรือความโน้มเอียงในรูปแบบเหล่านี้เป็นกลุ่มเป้าหมาย หรือชั้นรู้ตั้งแต่แรกแล้ว เป้าหมายคือเพื่อแยกประเภทคดีเหล่านี้กลุ่มที่กำหนดไว้ล่วงหน้า ; ในคำอื่น ๆที่จะทำนายเหตุการณ์ การสร้างโมเดลสามารถใช้เป็นเครื่องมือการให้คะแนนสำหรับการรายใหม่เพื่อกำหนดชั้นเรียนนอกจากนี้ยังประมาณการความโน้มเอียงคะแนนสำหรับแต่ละกรณี มีความโน้มเอียงคะแนน หมายถึงโอกาสของการเกิดขึ้นของกลุ่มลูกค้าเป้าหมาย หรือเหตุการณ์นางแบบ - นางแบบประมาณ : เหล่านี้จะคล้ายกับรูปแบบการแต่หนึ่งความแตกต่างที่สำคัญ พวกเขาจะใช้พยากรณ์ค่าของเขตข้อมูลแบบต่อเนื่องตามสังเกตค่าของข้อมูลแอตทริบิวต์