Support vector machine is chosen as

Support vector machine is chosen as one of the state-of-the-art discriminative methods with a good performance in many applications. Among linear, quadratic, and cubic kernels, we selected linear kernel due to computation cost. We chose the simple k-nearest neighbor algorithm
from instance-based learning algorithms, and decision tree and decision table from rule-based learning algorithms. In addition, Bayes net is chosen as one of generative models
to show its performance in our experiments. We also used Naïve Bayes and multilayer perceptron as classifiers. All the experiments based on these classifiers were carried out using
Weka developed by Machine Learning Group at University of Waikato [22]. We also used Eclipse to build and run a Java program based on the Java classes supported by Weka.

ผลลัพธ์ (ไทย) 2:

สนับสนุนเครื่องเวกเตอร์ที่ถูกเลือกให้เป็นหนึ่งในรัฐของศิลปะวิธีการจำแนกที่มีผลงานที่ดีในการใช้งานมาก ท่ามกลางการเชิงเส้นกำลังสองและลูกบาศก์เมล็ดเราเลือกเคอร์เนลเชิงเส้นเนื่องจากค่าใช้จ่ายในการคำนวณ เราเลือกอัลกอริทึมเพื่อนบ้านที่ใกล้ที่สุด
k-ง่ายจากขั้นตอนวิธีการเรียนรู้ตัวอย่างที่ใช้และต้นไม้ตัดสินใจและตารางการตัดสินใจจากการเรียนรู้ขั้นตอนวิธีการตามกฎ
นอกจากนี้สุทธิเบส์ถูกเลือกให้เป็นหนึ่งในรุ่นที่กำเนิดเพื่อแสดงประสิทธิภาพในการทดลองของเรา นอกจากนี้เรายังใช้Naïve Bayes และหลายตรอนเป็นลักษณนาม การทดลองทั้งหมดขึ้นอยู่กับการจําแนกเหล่านี้ถูกนำออกมาใช้
Weka พัฒนาโดยกลุ่มเครื่องการเรียนรู้ที่ University of Waikato [22] นอกจากนี้เรายังใช้ Eclipse เพื่อสร้างและเรียกใช้โปรแกรม Java บนพื้นฐานของการเรียน Java สนับสนุนโดย Weka

ผลลัพธ์ (ไทย) 3:

เครื่องเวกเตอร์สนับสนุนเลือกให้เป็นหนึ่งในรัฐ - of - the - art และวิธีการที่มีประสิทธิภาพที่ดีในการใช้งานมาก ระหว่างเชิงเส้นกำลังสอง และคิวบิกเมล็ด เราเลือกโปรแกรมเชิงเส้นเนื่องจากต้นทุนการคำนวณได้ เราเลือกง่ายๆ ขั้นตอนวิธีการเพื่อนบ้านใกล้ที่สุด
จากตัวอย่างการเรียนรู้ขั้นตอนวิธีและต้นไม้การตัดสินใจและการตัดสินใจจากฐานการเรียนรู้ขั้นตอนวิธีนอกจากนี้ Bayes สุทธิเลือกเป็นหนึ่งในโมเดลรังสรรค์
แสดงประสิทธิภาพในการทดลองของเรา เรายังใช้ na ไตได้และชั้นธรรมดาเป็น Bayes ลักษณนาม ทุกการทดลองตามคำเหล่านี้โดยใช้
Weka พัฒนาโดยกลุ่มเครื่องจักร เรียนที่มหาวิทยาลัย Waikato [ 22 ]เรายังใช้ Eclipse เพื่อสร้างและเรียกใช้โปรแกรม Java ตามชั้นเรียน Java ได้รับการสนับสนุนโดย Weka .