of 909 records with 15 medical attr

of 909 records with 15 medical attributes (factors) were obtained
from the Cleveland Heart Disease database. Figure 1 lists the
attributes. The records were split equally into two datasets:
training dataset (455 records) and testing dataset (454 records)
Table 2 summarizes the results of all three models. Naïve Bayes
appears to be most effective as it has the highest percentage of
correct predictions (86.53%) for patients with heart disease,
followed by Neural Network (with a difference of less than 1%)
and Decision Trees. Decision Trees, however, appears to be most
effective for predicting patients with no heart disease (89%)
compared to the other two models.

ผลลัพธ์ (ไทย) 1:

ของ 909 ได้รับระเบียนที่ มีแอตทริบิวต์การแพทย์ 15 (ปัจจัย)จากฐานข้อมูลโรคหัวใจคลีฟแลนด์ รูปที่ 1 แสดงการแอตทริบิวต์ ข้อมูลถูกแบ่งออกเท่า ๆ กัน datasets สอง:ชุดข้อมูล (ระเบียน 455) การฝึกอบรม และทดสอบชุดข้อมูล (ระเบียน 454)ตารางที่ 2 สรุปผลลัพธ์ของทั้งสามรุ่น Bayes ขำน่ามีประสิทธิภาพสูงสุดเป็นเปอร์เซ็นต์สูงสุดของคาดคะเนถูกต้อง (86.53%) สำหรับผู้ป่วยที่มีโรคหัวใจตาม ด้วยโครงข่ายประสาท (มีความแตกต่างน้อยกว่า 1%)และต้นไม้การตัดสินใจ ต้นไม้การตัดสินใจ อย่างไรก็ตาม ปรากฏเป็นส่วนใหญ่การคาดการณ์ผู้ป่วยที่ มีโรคหัวใจไม่ (89%)เมื่อเทียบกับ 2 รุ่นอื่น ๆ

ผลลัพธ์ (ไทย) 2:

909 ของระเบียนที่มีคุณลักษณะการแพทย์ที่ 15 (ปัจจัย)
ที่ได้รับจากฐานข้อมูลโรคหัวใจคลีฟแลนด์ รูปที่ 1
แสดงคุณลักษณะ บันทึกถูกแบ่งเท่า ๆ กันออกเป็นสองชุด:
ชุดการฝึกอบรม (455 บันทึก) และชุดทดสอบ (454 บันทึก)
ตารางที่ 2 สรุปผลของทั้งสามรุ่น ไร้เดียงสา Bayes
ดูเหมือนจะมีประสิทธิภาพมากที่สุดที่มีเปอร์เซ็นต์สูงสุดของการคาดการณ์ที่ถูกต้อง (86.53%) สำหรับผู้ป่วยที่มีโรคหัวใจตามมาด้วยประสาทเครือข่าย(มีความแตกต่างน้อยกว่า 1% ก) และต้นไม้การตัดสินใจ ต้นไม้การตัดสินใจ แต่ที่ดูเหมือนจะเป็นส่วนใหญ่ที่มีประสิทธิภาพสำหรับผู้ป่วยที่มีการคาดการณ์ไม่เป็นโรคหัวใจ(89%) เมื่อเทียบกับอีกสองรุ่น

ผลลัพธ์ (ไทย) 3:

ประวัติของ 909 15 คุณลักษณะการแพทย์ ( ปัจจัย ) ที่ได้รับ
จากโรคหัวใจที่คลีฟแลนด์ฐานข้อมูล รูปที่ 1 แสดง
แอตทริบิวต์ ระเบียนที่ถูกแยกเป็นสองเท่าข้อมูล :
ข้อมูลฝึกอบรม ( 455 ประวัติ ) และการทดสอบข้อมูล ( 454 ประวัติ )
2 โต๊ะ สรุปผลของทั้งสามรุ่น นาไตได้ Bayes
ปรากฏให้มีประสิทธิภาพมากที่สุด เพราะมันมีเปอร์เซ็นต์สูงสุดของ
การคาดการณ์ที่ถูกต้อง ( 86.53 % ) สำหรับผู้ป่วยโรคหัวใจ ,
ตามด้วยโครงข่ายประสาทเทียม ( ที่มีความแตกต่างจากน้อยกว่า 1 % )
และต้นไม้การตัดสินใจ การตัดสินใจของต้นไม้ แต่จะปรากฏเป็นส่วนมาก
ที่มีประสิทธิภาพสำหรับทำนายผู้ป่วยไม่มีโรคหัวใจ ( 89% )
เมื่อเทียบกับอีกสองรุ่น