However, our dataset has two typica

However, our dataset has two typical problems that normally
appear in these types of educational data. On the one hand,
our data set has high dimensionality; that is, the number of
attributes or features becomes very large. Further, given a large
number of attributes, some will usually not be meaningful for
classification and it is likely that some attributes are correlated.
On the other hand, the data are imbalanced, that is the majority
of students (610) passed and minority (60) failed.

ผลลัพธ์ (ไทย) 1:

อย่างไรก็ตาม ชุดข้อมูลของเรามีสองปัญหาทั่วไปที่ปกติปรากฏในชนิดของข้อมูลทางการศึกษาเหล่านี้ คงชุดข้อมูลของเรามี dimensionality สูง นั่นคือ จำนวนคุณลักษณะหรือลักษณะการทำงานมาก เพิ่มเติม ให้ขนาดใหญ่หมายเลขของแอตทริบิวต์ จะมักจะไม่มีความหมายสำหรับจัดประเภทและมีแนวโน้มว่า บางแอตทริบิวต์มี correlatedบนมืออื่น ๆ ข้อมูล imbalanced เป็นส่วนใหญ่ของนักเรียน (610) ผ่านและชนกลุ่มน้อย (60) ล้มเหลว

ผลลัพธ์ (ไทย) 2:

แต่ชุดข้อมูลที่เรามีสองปัญหาทั่วไปที่ปกติ
ปรากฏในประเภทนี้ของข้อมูลการศึกษา ในมือข้างหนึ่ง,
ชุดข้อมูลของเรามีมิติสูง ที่มีจำนวนของ
คุณลักษณะหรือคุณสมบัติที่มีขนาดใหญ่มาก นอกจากนี้ให้มีขนาดใหญ่
จำนวนของคุณลักษณะบางส่วนจะมักจะไม่ได้มีความหมายสำหรับ
การจัดหมวดหมู่และมีแนวโน้มว่าคุณลักษณะบางอย่างมีความสัมพันธ์.
บนมืออื่น ๆ ข้อมูลที่มีความไม่สมดุลที่เป็นคนส่วนใหญ่
ของนักเรียน (610) ผ่านไปและชนกลุ่มน้อย ( 60) ล้มเหลว

ผลลัพธ์ (ไทย) 3:

อย่างไรก็ตาม ข้อมูลของเราได้แบบสองปัญหาที่ตามปกติ
ปรากฏในชนิดเหล่านี้ของข้อมูลการศึกษา ในมือข้างหนึ่ง ,
ข้อมูลชุดของเรามี dimensionality สูง นั่นคือ หมายเลขของลักษณะหรือคุณสมบัติ
กลายเป็นขนาดใหญ่มาก เพิ่มเติม , ได้รับเป็นจำนวนมาก
ของแอตทริบิวต์ บางคนก็มักจะไม่ได้มีความหมาย
การจำแนกและมีแนวโน้มว่าคุณลักษณะบางอย่างมีความสัมพันธ์ .
บนมืออื่น ๆข้อมูลที่ไม่สมดุล นั่นคือส่วนใหญ่
นักศึกษา ( 610 ) ผ่าน และส่วนน้อย ( 60 ) ล้มเหลว