C4.5 builds decision trees from a s

C4.5 builds decision trees from a set of training data in the same way as ID3, using the concept of information entropy. The training data is a set S=s1,s2,… of already classified samples. Each sample si=x1,x2,… is a vector where xl, x2, ? represent attributes or features of the sample. The training data is augmented with a vector C=c1,c2,… where c1, c2, ? represent the class to which each sample belongs

ผลลัพธ์ (ไทย) 1:

C4.5 สร้างการต้นไม้ตัดสินใจจากข้อมูลการฝึกอบรมใน ID3 แบบเดียวกับที่ใช้แนวคิดของเอนโทรปีของข้อมูล ข้อมูลการฝึกอบรมคือ ชุด S = s1, s2,...อย่างลับเรียบร้อย ในแต่ละตัวอย่าง = x 1, x 2,...เป็นเวกเตอร์ที่ xl, x 2, หมายถึงคุณลักษณะหรือคุณสมบัติของตัวอย่าง ข้อมูลการฝึกอบรมจะออกเมนต์กับเวกเตอร์ C = c1, c2,...ที่ c1, c2, แสดงชั้นซึ่งแต่ละอย่างเป็นของ

ผลลัพธ์ (ไทย) 2:

C4.5 สร้างต้นไม้ตัดสินใจจากชุดของข้อมูลการฝึกอบรมในลักษณะเดียวกับ ID3 โดยใช้แนวคิดของเอนโทรปีของข้อมูล ข้อมูลการฝึกอบรมเป็นชุด S = s1, s2 ... ของกลุ่มตัวอย่างจำแนกแล้ว แต่ละ si ตัวอย่าง = x1, x2, ... เป็นเวกเตอร์ที่ xl, x2,? เป็นตัวแทนของคุณลักษณะหรือคุณสมบัติของตัวอย่าง ข้อมูลการฝึกอบรมจะเสริมเข้ากับเวกเตอร์ C = c1, c2, ... ที่ c1, c2? เป็นตัวแทนของระดับซึ่งแต่ละตัวอย่างเป็น

ผลลัพธ์ (ไทย) 3:

โปรแกรม C4.5 สร้างต้นไม้การตัดสินใจจากชุดฝึกอบรมข้อมูลในแบบเดียวกับ ID3 , โดยใช้แนวคิดของข้อมูลค่า . ข้อมูลการฝึกเป็นชุด S = S1 , S2 , . . . ข้อมูลพร้อมตัวอย่าง แต่ละตัวอย่างศรี = x1 , x2 , . . . . . . . เป็นเวกเตอร์ที่ XL , X2 , ? แสดงคุณลักษณะหรือคุณสมบัติของตัวอย่าง ข้อมูลการฝึกอบรมคือปริซึมกับเวกเตอร์ C = C1 , C2 , . . . . . . . ที่ C1 , C2 , ?เป็นตัวแทนของห้อง ซึ่งแต่ละตัวอย่างเป็นของ