2) ClassificationThe classification

2) Classification
The classification and the model creation were done using
the following three data mining classifiers from WEKA:
 J48: This is a type of decision tree classifier.
 Multilayer Perceptron: This is a type of Artificial
Neural network classifier
 Naive Bayesian
 10-Folds Cross Validation
3) Application of Class Association Rules (CAR)
The association rule and model creation was done using
the Apriori type algorithm. This was done in order to get the
best attributes association rules for each class in the car
dataset. The experiment on this was conducted from two
perspectives in order to compare the results with a view to
analysing the conditions where the number of the best rules is
high based.
VI.RESULTS AND DISCUSSION
The result of the experiment is presented in this section in
the following order:
The presentation of the results from the experiment is based
on the following experiments:
A. Classification
Training model using all attributes including the class
attribute. This is considered to be a supervised model creation,
because the model is built based on the class values in
correspondence to the values of attributes respectively
The accuracy achieved under different experiment
conditions or setting by Decision Tree, Naive Bayesian, and
Artificial Neural Network (ANN) are presented in Tables 5, 6,
and 7 respectively.

ผลลัพธ์ (ไทย) 1:

2 ประเภททำการจัดประเภทและการสร้างแบบจำลองโดยใช้ที่ต่อไปนี้สามข้อมูลเหมืองคำนามภาษาจาก WEKA:คล้าย J48: นี่คือชนิดของ classifier ต้นไม้ตัดสินใจคล้ายเพอร์เซปตรอน Multilayer: นี่คือชนิดของประดิษฐ์เครือข่ายประสาท classifierคล้ายทฤษฎี Naive10-พับคล้ายข้ามการตรวจสอบ3) การประยุกต์กฎการเชื่อมโยงชั้น (รถยนต์)ทำการสร้างกฎและรูปแบบความสัมพันธ์โดยใช้ขั้นตอนวิธีชนิด Apriori นี้ทำเพื่อให้ได้ส่วนคุณลักษณะของข้อบังคับสมาคมสำหรับแต่ละคลาสในรถชุดข้อมูล การทดลองนี้ได้ดำเนินการตั้งแต่สองมุมมองการเปรียบเทียบผลลัพธ์กับมีมุมมองไปวิเคราะห์สภาพที่เป็นหมายเลขของกฎดีที่สุดสูงขึ้นVI ผลและการสนทนาผลการทดลองจะแสดงในส่วนนี้ลำดับต่อไปนี้:การนำเสนอผลจากการทดลองอยู่ในการทดลองต่อไปนี้:A. ประเภทรุ่นฝึกอบรมโดยใช้แอตทริบิวต์ทั้งหมดรวมทั้งชั้นแอตทริบิวต์ นี้ถือเป็นการสร้างแบบจำลองมีเนื่องจากแบบจำลองถูกสร้างขึ้น ตามค่าระดับติดต่อกับค่าของแอตทริบิวต์ตามลำดับความสำเร็จภายใต้การทดลองแตกต่างกันเงื่อนไขหรือการตั้งค่า โดยต้นไม้การตัดสินใจ ทฤษฎี Naive และแสดงในตาราง 5, 6 ประดิษฐ์ประสาทเครือข่าย (แอน)และ 7 ตามลำดับ

ผลลัพธ์ (ไทย) 2:

2)
การจัดหมวดหมู่การจำแนกประเภทและการสร้างแบบจำลองที่ถูกทำโดยการใช้ต่อไปนี้สามข้อมูลแยกประเภทการทำเหมืองแร่จาก
WEKA:
 J48.
นี่คือประเภทของลักษณนามตัดสินใจต้นไม้หลายPerceptron:
นี่คือประเภทของการประดิษฐ์ลักษณนามเครือข่ายประสาทเทียม
Naive Bayesian
 10 กอดรอการตรวจสอบ
3) การประยุกต์ใช้กฎคลาสสมาคม (CAR)
กฎสมาคมและการสร้างแบบจำลองที่ได้กระทำโดยใช้ขั้นตอนวิธี Apriori ประเภท
นี้ทำเพื่อที่จะได้รับคุณลักษณะที่ดีที่สุดกฎสมาคมสำหรับแต่ละชั้นเรียนในรถชุดข้อมูล การทดลองเกี่ยวกับเรื่องนี้ได้ดำเนินการจากสองมุมมองเพื่อเปรียบเทียบผลกับมุมมองในการวิเคราะห์สภาพที่จำนวนของกฎที่ดีที่สุดที่เป็นไปตามที่สูง. VI.RESULTS และการอภิปรายผลการทดลองจะนำเสนอในส่วนนี้ต่อไปนี้การสั่งซื้อ: นำเสนอผลที่ได้จากการทดลองจะขึ้นอยู่กับการทดลองต่อไปนี้: A. การจำแนกประเภทรูปแบบการฝึกอบรมโดยใช้คุณลักษณะทั้งหมดรวมทั้งชั้นแอตทริบิวต์ นี้จะถือเป็นการสร้างรูปแบบภายใต้การดูแล, เพราะรูปแบบจะถูกสร้างขึ้นบนพื้นฐานค่าเรียนในการติดต่อกับค่าของคุณลักษณะตามลำดับความถูกต้องประสบความสำเร็จภายใต้การทดสอบที่แตกต่างกันเงื่อนไขหรือการตั้งค่าโดยต้นไม้ตัดสินใจNaive Bayesian และประสาทเทียมเครือข่าย(ANN ) ถูกแสดงไว้ในตารางที่ 5, 6, และ 7 ตามลำดับ

ผลลัพธ์ (ไทย) 3:

2 ) การจำแนก
การจำแนกและรูปแบบการสร้างเสร็จใช้
3 เหมืองข้อมูลลักษณนามจาก Weka ต่อไปนี้ :
 j48 : นี้เป็นชนิดของการตัดสินใจแบบต้นไม้ .
เพอร์เซปตรอนหลาย : นี้เป็นชนิดของโครงข่ายประสาทเทียมแบบ

ไร้เดียงสา Bayesian  10 เท่า

3 ) การตรวจสอบข้าม การประยุกต์กฎสมาคม คลาส ( รถ )
สมาคมการปกครองและรูปแบบการสร้างโดยใช้แบบพิมพ์
ขั้นตอนวิธี นี้ถูกทำเพื่อให้ได้
คุณลักษณะที่ดีที่สุดสมาคมกฎสำหรับแต่ละชั้นเรียนในรถ
วันที่ . การทดลองนี้มีวัตถุประสงค์สอง
มุมมองเพื่อเปรียบเทียบผลลัพธ์กับมุมมอง
วิเคราะห์สภาพที่จำนวนของกฎที่ดีที่สุดคือ
สูงตาม vi.results และอภิปราย

ผลการทดลองที่แสดงในส่วนนี้ในลำดับต่อไปนี้ :

นำเสนอผลจากการทดลองใช้ในการทดลองต่อไปนี้ :


. . การจำแนกรูปแบบการฝึกอบรมโดยใช้แอตทริบิวต์ทั้งหมดรวมทั้งชั้นเรียน
คุณลักษณะ นี้จะถือว่าเป็นรูปแบบการสร้าง
เพราะรูปแบบถูกสร้างขึ้นบนพื้นฐานของค่านิยมในการเรียน
จดหมายถึง ค่าของแอตทริบิวต์ตามลำดับ
ความถูกต้องได้ภายใต้เงื่อนไขที่แตกต่างกันโดยการตั้งค่าการทดลอง
หรือโครงสร้างการตัดสินใจ ไร้เดียงสา Bayesian และ
โครงข่ายประสาทเทียม ( ANN ) จะนำเสนอในรูปของตาราง
5 , 6 และ 7 ตามลำดับ