A study conducted by [2] on employi

A study conducted by [2] on employing neural network and naive Bayesian classifier in data mining for car evaluation to investigate the performance of Bayesian Neural Network and Naive Bayesian classification methods using the car evaluation dataset. Findings from the study proved the researchers assumption that Bayesian Neural Network (BNN) is slower, ambiguous, and more difficult to manipulate than naive Bayesian (NB). However, BNN shows an amazing percentage of accuracy on the dataset.
Artificial Neural Networks (ANN) an a classification algorithm that is widely used in data mining was used in a study conducted by [3] to compare the performance of Decision Tree and ANN to develop prediction models; and the comparative study of Bayesian and ANN classifiers on motion picture [4]. Also, [5] conducted a study on evaluation of an on-vehicle adaptive tourist service. In the study they described the methodology and results obtained in evaluation of a system that provides personalised tourist information onboard cars. With a simulator and using layered sampling strategy and statistics metrics to compare the system suggestions to the user’s answers. Also, they analysed several dimensions of adaptation. The car dataset used for this study as obtained from the University of California Irvine (UCI) dataset repository was used by [6] on modelling performance of different classification methods.

ผลลัพธ์ (ไทย) 1:

การศึกษาที่ดำเนินการ ด้วย [2] ในการใช้โครงข่ายประสาทและขำน่า classifier ทฤษฎีในการทำเหมืองข้อมูลรถการประเมินผลการตรวจสอบประสิทธิภาพการทำงานของทฤษฎีเครือข่ายประสาทและทฤษฎี Naive จัดประเภทวิธีการใช้ชุดข้อมูลประเมินรถ ผลการวิจัยจากการศึกษาพิสูจน์สมมติฐานที่เครือข่ายประสาทของทฤษฎี (BNN) ช้าลง ไม่ชัดเจน และยากต่อการจัดการมากกว่าขำน่าทฤษฎี (NB) นักวิจัย อย่างไรก็ตาม BNN แสดงเปอร์เซ็นต์ตื่นตาตื่นใจของความถูกต้องในชุดข้อมูลประดิษฐ์ประสาทเครือข่าย (ANN) เป็นอัลกอริทึมการจัดประเภทที่ใช้กันอย่างแพร่หลายในการทำเหมืองข้อมูลที่ใช้ในการศึกษาที่ดำเนินการ ด้วย [3] เพื่อเปรียบเทียบประสิทธิภาพของต้นไม้การตัดสินใจและแอนน์การพัฒนาแบบจำลองพยากรณ์ และศึกษาเปรียบเทียบคำนามภาษาทฤษฎีและแอนภาพเคลื่อนไหว [4] ยัง, [5] การศึกษาประเมินผลการให้บริการนักท่องเที่ยวที่เหมาะสมบนรถ ในการศึกษา จะอธิบายวิธีการและผลที่ได้รับในการประเมินระบบที่ให้ข้อมูลการท่องเที่ยวตามรถสวบสาบ แบบจำลองและใช้การสุ่มตัวอย่างแบบวัดกลยุทธ์และสถิติการเปรียบเทียบที่ระบบแนะนำคำตอบของผู้ใช้ ยัง พวกเขา analysed หลายมิติของการปรับตัว ชุดข้อมูลของรถที่ใช้ในการศึกษานี้ได้จากเก็บชุดข้อมูลมหาวิทยาลัยแคลิฟอร์เนียเออร์วิน (UCI) ถูกใช้ โดย [6] ในการสร้างแบบจำลองประสิทธิภาพของวิธีการจัดประเภทที่แตกต่างกัน

ผลลัพธ์ (ไทย) 2:

จากการศึกษาโดย [2] ในการใช้เครือข่ายประสาทและลักษณนาม Bayesian ไร้เดียงสาในการทำเหมืองข้อมูลสำหรับการประเมินผลรถที่จะตรวจสอบประสิทธิภาพการทำงานของระบบประสาทคชกรรมเครือข่ายและวิธีการจำแนกแบบเบย์หน่อมแน้มโดยใช้ชุดการประเมินผลรถ ผลการวิจัยจากการศึกษาได้รับการพิสูจน์สมมติฐานที่นักวิจัยคชกรรมประสาทเครือข่าย (บีเอ็นเอ็น) เป็นช้าคลุมเครือและยากที่จะจัดการกับกว่าไร้เดียงสาแบบเบย์ (NB) อย่างไรก็ตาม BNN แสดงให้เห็นถึงอัตราร้อยละที่น่าตื่นตาตื่นใจของความถูกต้องในชุดข้อมูล.
ประดิษฐ์โครงข่ายประสาท (ANN) อย่างเป็นขั้นตอนวิธีการจัดหมวดหมู่ที่มีการใช้กันอย่างแพร่หลายในการทำเหมืองข้อมูลที่ถูกใช้ในการศึกษาดำเนินการโดย [3] เพื่อเปรียบเทียบประสิทธิภาพการทำงานของต้นไม้ตัดสินใจและการ ANN เพื่อ พัฒนารูปแบบการทำนาย; และศึกษาเปรียบเทียบแบบเบย์และแอนแนกภาพเคลื่อนไหว [4] นอกจากนี้ [5] ดำเนินการศึกษาการประเมินผลของการปรับตัวในรถบริการท่องเที่ยว ในการศึกษาที่พวกเขาอธิบายวิธีการและผลที่ได้รับในการประเมินผลของระบบที่ให้ข้อมูลการท่องเที่ยวส่วนบุคคล onboard รถยนต์ ด้วยการจำลองและการใช้กลยุทธ์การสุ่มตัวอย่างชั้นสถิติและตัวชี้วัดเพื่อเปรียบเทียบข้อเสนอแนะระบบคำตอบของผู้ใช้ นอกจากนี้พวกเขาวิเคราะห์หลายมิติของการปรับตัว ชุดข้อมูลรถที่ใช้ในการศึกษาเป็นที่ได้รับจากมหาวิทยาลัยแคลิฟอร์เนียเออร์ไวน์นี้ (UCI) พื้นที่เก็บข้อมูลชุดข้อมูลที่ถูกใช้โดย [6] ต่อประสิทธิภาพการทำงานของการสร้างแบบจำลองที่แตกต่างกันวิธีการจำแนก

ผลลัพธ์ (ไทย) 3:

จากการศึกษาโดย [ 2 ] ในการใช้โครงข่ายประสาทเทียมและไร้เดียงสา Bayesian ตัวในการทำเหมืองข้อมูลเพื่อการประเมินผลรถยนต์เพื่อตรวจสอบประสิทธิภาพของโครงข่ายประสาทเทียมแบบไร้เดียงสาแบบเบส์และการใช้วิธีประเมินรถยนต์ข้อมูล . ผลการวิจัยจากการศึกษาพิสูจน์สมมติฐานว่าโครงข่ายประสาทเทียมแบบนักวิจัย ( BNN ) คือช้า , คลุมเครือและยากมากที่จะจัดการกับกว่าไร้เดียงสา Bayesian ( NB ) อย่างไรก็ตาม บีเอ็นเอ็นการแสดงที่น่าตื่นตาตื่นใจร้อยละของความถูกต้องในข้อมูล .
โครงข่ายประสาทเทียม ( ANN ) การจำแนกขั้นตอนวิธีที่ใช้กันอย่างแพร่หลายในการทำเหมืองข้อมูลที่ใช้ในการศึกษาโดย [ 3 ] เพื่อเปรียบเทียบประสิทธิภาพของการตัดสินใจแบบต้นไม้และแอนที่จะพัฒนาแบบจำลองการทำนายและการศึกษาเปรียบเทียบคำลักษณนามในการพยากรณ์และแอนภาพยนตร์ [ 4 ] ยัง , [ 5 ] ได้ทำการศึกษาการประเมินบริการท่องเที่ยวรถยนต์ปรับตัว ในการศึกษาที่พวกเขาอธิบายวิธีการและผลการประเมินของระบบที่ให้บริการข้อมูลด้านการท่องเที่ยว จอดบนรถยนต์กับจำลอง และการใช้กลยุทธ์และตัวชี้วัดชั้นการสุ่มตัวอย่างสถิติเปรียบเทียบข้อเสนอแนะระบบคำตอบของผู้ใช้ นอกจากนี้พวกเขายังวิเคราะห์หลายมิติของการปรับตัว รถที่ใช้ในการศึกษานี้เป็นข้อมูลที่ได้จากมหาวิทยาลัยเออร์ไวน์แคลิฟอร์เนีย ( UCI ) เก็บข้อมูลถูกใช้โดย [ 6 ] ในแบบจำลองสมรรถนะของวิธีการจำแนกที่แตกต่างกัน