Classification: Classification is t

Classification: Classification is the process of predicting the class of a new object from the set of predefined classes. To prepare classification model, dataset is divided in two parts. One part is designated as training dataset and other as testing dataset. Whole model is designed using training dataset and then its accuracy is measured by validating the classes in which it classifies the test dataset instances. For example, Naïve Bayes classifier [4] works by assuming that the attributes of the database are independent of each other. It counts to both positive and negative points. Being positive this assumption contributes to simplicity and speed. Being on negative side this assumption might be wrong which results is not considering the relationship among attributes. This algorithm requires a small set of training data for building the model.

ผลลัพธ์ (ไทย) 1:

การจัดประเภท: การจัดประเภทเป็นกระบวนการคาดคะเนชั้นของวัตถุใหม่จากชุดการเรียนที่กำหนดไว้ล่วงหน้า เตรียมรูปแบบการจัดประเภท ชุดข้อมูลจะแบ่งออกเป็นสองส่วน ส่วนหนึ่งถูกกำหนดเป็นชุดข้อมูลการฝึกอบรม และอื่น ๆ ที่เป็นชุดข้อมูลทดสอบ ทั้งหมดออกแบบมาโดยใช้ชุดข้อมูลฝึกอบรม และจากนั้น วัดความถูกต้อง โดยการตรวจสอบในชั้นเรียนจะจัดประเภทอินสแตนซ์ของชุดข้อมูลทดสอบ ตัว ไร้เดียงสา Bayes ลักษณนาม [4] งาน โดยสมมติว่าแอตทริบิวต์ของฐานข้อมูลเป็นอิสระจากกัน นับคะแนนทั้งบวก และลบ การบวกข้อสมมติฐานนี้ก่อให้เกิดความเรียบง่ายและความเร็ว มีด้านลบข้อสมมติฐานนี้ไม่ถูกต้องซึ่งผลลัพธ์คือพิจารณาความสัมพันธ์ระหว่างแอททริบิวต์ อัลกอริทึมนี้ต้องการข้อมูลการฝึกอบรมชุดเล็กสำหรับการสร้างแบบจำลอง

ผลลัพธ์ (ไทย) 2:

การจัดประเภท: การจัดหมวดหมู่เป็นกระบวนการของการทำนายระดับของวัตถุใหม่จากชุดของชั้นเรียนที่กำหนดไว้ล่วงหน้าที่ เพื่อเตรียมความพร้อมรูปแบบการจัดหมวดหมู่ชุดข้อมูลจะถูกแบ่งออกเป็นสองส่วน ส่วนหนึ่งที่ถูกกำหนดให้เป็นชุดการฝึกอบรมและอื่น ๆ เช่นชุดทดสอบ รูปแบบทั้งการออกแบบโดยใช้ชุดฝึกอบรมและแล้วความถูกต้องวัดจากการตรวจสอบในชั้นเรียนในการที่จะแยกประเภทกรณีชุดทดสอบ ตัวอย่างไร้เดียงสา Bayes ลักษณนาม [4] ทำงานโดยสมมติว่าคุณลักษณะของฐานข้อมูลมีความเป็นอิสระของแต่ละอื่น ๆ มันจะนับคะแนนทั้งบวกและลบ เป็นบวกสมมติฐานนี้ก่อให้เกิดความเรียบง่ายและความเร็ว อยู่ในด้านลบสมมติฐานนี้อาจจะผิดซึ่งส่งผลให้ไม่ได้รับการพิจารณาความสัมพันธ์ระหว่างคุณลักษณะ ขั้นตอนวิธีการนี​​้ต้องใช้ชุดเล็ก ๆ ของข้อมูลการฝึกอบรมสำหรับการสร้างแบบจำลอง

ผลลัพธ์ (ไทย) 3:

หมวดหมู่ : หมวดหมู่คือกระบวนการในชั้นของวัตถุใหม่จากชุดของชั้นเรียนที่กำหนดไว้ล่วงหน้า . เตรียมข้อมูลรูปแบบการจัดหมวดหมู่ แบ่งเป็นสองส่วน ส่วนหนึ่งเป็นเขตข้อมูลอื่น ๆเช่นการฝึกอบรมและการทดสอบข้อมูล . รูปแบบทั้งการออกแบบโดยใช้ชุดข้อมูลการฝึกอบรมและความถูกต้องของการวัดการตรวจสอบวิชาที่จัดสอบข้อมูลกรณี ตัวอย่างเช่น na ไตได้ Bayes ลักษณนาม [ 4 ] ทำงานโดยสมมติว่าคุณสมบัติของฐานข้อมูลที่เป็นอิสระของแต่ละอื่น ๆ มันนับคะแนนทั้งบวกและลบ เป็นบวก สมมติฐานนี้ก่อให้เกิดความเรียบง่ายและความเร็ว เป็นด้านลบสมมติฐานนี้อาจจะผิด ซึ่งผลลัพธ์ที่ได้คือไม่พิจารณาความสัมพันธ์ระหว่างแอตทริบิวต์ ขั้นตอนวิธีนี้ต้องตั้งขนาดเล็กของข้อมูลการฝึกอบรมสำหรับการสร้างโมเดล