Abstract—This paper is dedicated to

Abstract—This paper is dedicated to the application of swarm intelligence in the field of data mining. An Ant Colony Optimization (ACO) logistic regression model is presented with applications for wine quality assessment. The proposed ACO model may be designed to minimize either the mean absolute regression error (MAE) or the mean square regression error (MSE). The method is evaluated using the Wine Quality database (red wine) with 1599 11-dimensional samples provided by UCI Machine Learning Repository. The input features correspond to 11 physicochemical wine tests and the quality scores belong to the set {3, 4, 5, 6, 7, 8}. The best simulation variants of ACO logistic regression model have led to better performances than the classical Multiple Linear Regression (MLR) technique.

ผลลัพธ์ (ไทย) 1:

นามธรรมซึ่งเอกสารนี้จะทุ่มเทเพื่อฝูงปัญญาในด้านการทำเหมืองข้อมูลประยุกต์ใช้ มีการนำเสนอแบบจำลองการถดถอยโลจิสติกเพิ่มประสิทธิภาพฝูงมด (ACO) กับโปรแกรมประยุกต์สำหรับการประเมินคุณภาพไวน์ แบบ ACO เสนออาจถูกออกแบบเพื่อลดข้อผิดพลาดการถดถอยแบบสัมบูรณ์เฉลี่ย (แม่) หรือข้อผิดพลาดถดถอยค่าเฉลี่ยกำลังสอง (MSE) วิธีการรับการประเมินต่อคุณภาพของไวน์ (ไวน์แดง) ด้วยโดย UCI เครื่องเรียนเก็บตัวอย่าง 11 มิติ 1599 คุณลักษณะการป้อนข้อมูลที่สอดคล้องกับการทดสอบไวน์ physicochemical 11 และคะแนนคุณภาพอยู่ที่ชุด {3, 4, 5, 6, 7, 8 } การจำลองย่อยสุดของแบบจำลองการถดถอยโลจิสติก ACO ได้นำการแสดงดีกว่าเทคนิคหลายเส้นถดถอย (MLR) คลาสสิก

ผลลัพธ์ (ไทย) 2:

บทคัดย่อกระดาษนี้จะทุ่มเทให้กับการประยุกต์ใช้ปัญญาฝูงในด้านของการทำเหมืองข้อมูล มด Colony Optimization (ACO) รูปแบบการถดถอยโลจิสติกจะนำเสนอกับการใช้งานสำหรับการประเมินคุณภาพไวน์ ที่นำเสนอรูปแบบ ACO อาจจะออกแบบเพื่อลดการอย่างใดอย่างหนึ่งหมายถึงความผิดพลาดของการถดถอยแน่นอน (MAE) หรือหมายถึงความผิดพลาดของการถดถอยตาราง (MSE) วิธีการที่ได้รับการประเมินโดยใช้ฐานข้อมูลคุณภาพไวน์ (ไวน์แดง) กับ 1,599 ตัวอย่าง 11 มิติให้โดย UCI เครื่องการเรียนรู้พื้นที่เก็บข้อมูล คุณสมบัติการป้อนข้อมูลที่สอดคล้องกับ 11 การทดสอบทางเคมีกายภาพไวน์และคะแนนคุณภาพที่อยู่ในชุด {3, 4, 5, 6, 7, 8} สายพันธุ์ที่ดีที่สุดของการจำลองแบบการถดถอยโลจิสติก ACO ได้นำไปสู่​​การแสดงดีกว่าคลาสสิกหลายถดถอยเชิงเส้น (MLR) เทคนิค

ผลลัพธ์ (ไทย) 3:

บทคัดย่อบทความนี้จะทุ่มเทเพื่อการประยุกต์ใช้ความฉลาดแบบกลุ่มในฟิลด์ของการทำเหมืองข้อมูล มด Colony Optimization ( ACO ) การวิเคราะห์การถดถอยโลจิสติกจะเสนอโปรแกรมสำหรับการประเมินคุณภาพไวน์ เสนอ ACO แบบอาจจะออกแบบมาเพื่อลดการผิดพลาดให้สัมบูรณ์เฉลี่ย ( แม่ ) หรือหมายถึงตารางข้อผิดพลาดการถดถอย ( MSE )วิธีการประเมินการใช้ไวน์คุณภาพฐานข้อมูล ( ไวน์แดง ) กับ 1599 11 มิติตัวอย่างให้ UCI การเรียนรู้เครื่องเก็บข้อมูล ข้อมูลคุณสมบัติสอดคล้องกับการทดสอบลักษณะและคุณภาพไวน์ 11 คะแนนเป็นของชุด { 3 , 4 , 5 , 6 , 7 , 8 }ที่ดีที่สุดของสายพันธุ์ที่จำลองแบบการถดถอยโลจิสติก ACO ได้นำการแสดงที่ดีกว่าคลาสสิกสมการถดถอยพหุคูณ ( MLR ) เทคนิค