Abstract: Class discovery is one of

Abstract: Class discovery is one of the most important tasks in cancer classification using biomolecular data. To perform this, a multiple clustering approach called Hierarchical clustering is used. It uses one of the metrics called Manhattan Distance which measures the distance between the values of the data set and builds a hierarchy of clusters after analysing it. The clustering result enables to classify the cancer types and it is further evaluated by Range check and Delta check. The various test results are compared with the known initial range of values using Range check. Delta check is performed on the current test result and the immediate previous test result for better results. These techniques are used to improve the diagnosis of cancer.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อ: การค้นพบชั้นได้หนึ่งในงานที่สำคัญที่สุดในประเภทของโรคมะเร็งที่ใช้ข้อมูลวทคร ๕๐๘ การนี้ เป็นใช้วิธีการระบบคลัสเตอร์หลายที่เรียกว่า Hierarchical clustering ใช้วัดเรียกว่าห่างจากแมนฮัตตันซึ่งวัดระยะห่างระหว่างค่าของชุดข้อมูล และสร้างลำดับชั้นของคลัสเตอร์หลังจากวิเคราะห์มัน อย่างใดอย่างหนึ่ง ผลระบบคลัสเตอร์ช่วยให้การจัดประเภทชนิดมะเร็ง และถูกประเมิน โดยตรวจช่วงและเดลต้าเครื่องเพิ่มเติม มีการเปรียบเทียบผลการทดสอบต่าง ๆ ในช่วงเริ่มต้นรู้จักค่าใช้เครื่องช่วงที่ เป็นดำเนินการตรวจสอบส่วนที่แตกต่างในผลการทดสอบปัจจุบันและผลการทดสอบก่อนหน้านี้ทันทีเพื่อผลลัพธ์ที่ดี เทคนิคเหล่านี้จะใช้ในการปรับปรุงการวินิจฉัยโรคมะเร็ง

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ: การค้นพบชั้นเป็นหนึ่งในงานที่สำคัญที่สุดในการจำแนกโรคมะเร็งโดยใช้ข้อมูลชีวโมเลกุล ในการดำเนินการนี​​้เป็นวิธีการจัดกลุ่มหลายที่เรียกว่าการจัดกลุ่มตามลำดับชั้นถูกนำมาใช้ จะใช้อย่างใดอย่างหนึ่งของตัวชี้วัดที่เรียกว่าระยะทางแมนฮัตตันซึ่งมาตรการระยะห่างระหว่างค่านิยมของชุดข้อมูลและสร้างลำดับชั้นของกลุ่มหลังจากการวิเคราะห์มัน ผลการจัดกลุ่มช่วยในการจำแนกชนิดมะเร็งและจะมีการประเมินผลต่อไปโดยช่วงการตรวจสอบและการตรวจสอบเดลต้า ผลการทดสอบต่าง ๆ เมื่อเทียบกับช่วงที่เริ่มต้นเป็นที่รู้จักกันของค่าใช้ช่วงการตรวจสอบ ตรวจสอบเดลต้าจะดำเนินการตามผลการทดสอบในปัจจุบันและผลการทดสอบก่อนหน้านี้ทันทีสำหรับผลลัพธ์ที่ดีกว่า เทคนิคเหล่านี้ถูกนำมาใช้เพื่อปรับปรุงการวินิจฉัยของโรคมะเร็ง

ผลลัพธ์ (ไทย) 3:

บทคัดย่อ : การค้นพบชั้นเป็นหนึ่งในงานที่สำคัญที่สุดในหมวดหมู่มะเร็งโดยใช้ข้อมูลชีวโมเลกุล . แสดง , หลายแนวทางการจัดกลุ่มลำดับชั้นสำหรับเรียกใช้ มันใช้หนึ่งของตัวชี้วัดที่เรียกว่า แมนฮัตตัน ซึ่งอยู่ห่างวัดระยะห่างระหว่างค่าของชุดข้อมูลและสร้างลำดับชั้นของกลุ่ม หลังจากวิเคราะห์แล้วสามารถส่งผลให้แยกประเภทโรคมะเร็ง และจะเพิ่มเติมเพื่อตรวจสอบช่วงและเดลต้า ตรวจสอบ ผลการทดสอบต่างๆ เมื่อเทียบกับรู้จักช่วงของค่าเริ่มต้นโดยใช้ช่วงการตรวจสอบ เดลต้า ตรวจสอบเป็นแสดงในผลการทดสอบปัจจุบันและก่อนหน้านี้ผลทันทีสำหรับผลลัพธ์ที่ดีกว่า เทคนิคเหล่านี้จะถูกใช้เพื่อปรับปรุงการวินิจฉัยมะเร็ง