เทคนิคในการแยกประเภทข้อมูล โดยมีเป้

เทคนิคในการแยกประเภทข้อมูล โดยมีเป้าหมายในการทำนายหรือแยกข้อมูลให้อยู่ในกลุ่มที่กำหนดมาให้ โดยงานวิจัยนี้นำเสนอเกี่ยวกับการแยกประเภทโรคไวรัสตับอักเสบโดยใช้เทคนิคต้นไม้ตัดสินใจ (Decision Trees) และเทคนิคการทำโครงข่ายประสาทเทียม (Neural Network) โดยใช้ชุดข้อมูลมาจาก UCI Machine Learning Repository จำนวน 155 ชุดข้อมูลและเลือกแอตทรีบิวต์ออกมาแบ่งคลาสมาเปรียบเทียบประสิทธิภาพในการจำแนกประเภทข้อมูล โดยใช้ J48 และ Multilayer Perceptron มาทำการทดสอบวัดประสิทธิภาพความถูกต้องและนำมาเปรียบเทียบ ซึ่งผลการทดลองทั้ง 155 ชุด ผลการวิจัยพบว่า การทดสอบโดยใช้เทคนิคต้นไม้ตัดสินใจ (Decision Trees) ของอัลกอลิทึม J48 มีประสิทธิภาพความถูกต้องเฉลี่ย 81.9355 % เมื่อนำมาเปรียบเทียบกับเทคนิคการทำโครงข่ายประสาทเทียม (Neural Network) ของอัลกอลิทึม Multilayer Perceptron ซึ่งมีประสิทธิภาพความถูกต้องที่ดีกว่าคือ 83.871 %

ผลลัพธ์ (ไทย) 1:

A technique for classifying information, with the goal of interpreting or extract data in the given group. By this proposed research on hepatitis virus disease classification using decision tree technique. (Decision Trees), and the techniques for making artificial neural network (Neural Network) using data from the UCI Machine Learning Repository number 155 series and select an attribute class totri break out performance in comparison to classified information using a Multilayer Perceptron J48 and conducting performance testing accuracy.Each, compared to which all 155 series, experimental results, the results showed that the test by decision (Decision Trees)-trees of Al-Li thuem powerful J48 accuracy on average 81.9355% when compared with the technique of making artificial neural network. (Neural Network) of Multilayer Perceptron algorithms Li thuem which performs better accuracy is 83.871%.

ผลลัพธ์ (ไทย) 2:

Techniques to classify data The goal is to predict or split in the group assigned to. This research presentation about the separation of hepatitis using a decision tree (Decision Trees) and techniques of artificial neural networks (Neural Network) using data sets from the UCI Machine Learning Repository 155 series. and select the tree attribute the share class performance compared to the classification of data using J48 and Multilayer Perceptron's performance were measured and compared for accuracy. The results of the study showed that the 155 series. Tests using a decision tree (Decision Trees) of Al Gore lift drab J48 effective accuracy average of 81.9355% when compared with the techniques of artificial neural networks (Neural Network) of Al Gore lift drab Multilayer Perceptron. The effective accuracy is better than 83.871%.

ผลลัพธ์ (ไทย) 3:

Technique of classification data. With the goal of predicting or information extraction in the set. This research presents on the classification of hepatitis by using the decision tree method (Decision Trees).(Neural Network) using a data set from UCI Machine Learning Repository number 155 series and choose at tribute out break คลาสมา efficiency in data classification. Using J48 Multilayer, and PerceptronThe experimental results of both 155 series, it was found that the tests using decision tree technique (Decision Trees) rate Luke Ali J48 average accuracy 81 algorithm efficiency.9355% compared with techniques to do artificial neural network (Neural Network) of the algorithm and Multilayer Li Perceptron which performance accuracy was better 83.871%
.