Understandable prediction rules are

Understandable prediction rules are created from the training data.
Builds the fastest tree.
Builds a short tree.
Only need to test enough attributes until all data is classified.
Finding leaf nodes enables test data to be pruned, reducing number of tests.
Whole dataset is searched to create tree.

Data may be over-fitted or over-classified, if a small sample is tested.
Only one attribute at a time is tested for making a decision.
Classifying continuous data may be computationally expensive, as many trees must be generated to see where to break the continuum.

ผลลัพธ์ (ไทย) 1:

ทำนายเข้าใจกฎสร้างขึ้นจากข้อมูลการฝึกอบรมสร้างแผนภูมิที่เร็วที่สุดสร้างต้นไม้โดยย่อเพียง ต้องการทดสอบคุณลักษณะเพียงพอจนกว่าข้อมูลทั้งหมดถูกจัดประเภทค้นหาโหนดใบช่วยให้ข้อมูลการทดสอบเพื่อจะล้าง ลดจำนวนการทดสอบชุดข้อมูลทั้งหมดจะค้นหาเมื่อต้องการสร้างแผนภูมิข้อมูลอาจมากเกินพอดี หรือจัดมากเกินไป ถ้ามีทดสอบตัวอย่างขนาดเล็กได้คุณลักษณะเดียวที่จะทดสอบสำหรับการตัดสินใจประเภทข้อมูลอย่างต่อเนื่องอาจจะ computationally แพง เป็นต้นไม้ที่ต้องสร้างให้ดูที่การสมิติ

ผลลัพธ์ (ไทย) 2:

กฎการทำนายเข้าใจที่ถูกสร้างขึ้นจากข้อมูลการฝึกอบรม.
สร้างต้นไม้ที่เร็วที่สุด.
สร้างต้นไม้สั้น.
เพียง แต่ต้องทดสอบคุณลักษณะพอจนข้อมูลทั้งหมดจะถูกจัด.
หาโหนดใบช่วยให้ข้อมูลการทดสอบที่จะตัดลดจำนวนของการทดสอบ.
ชุดทั้งเป็น ค้นหาการสร้างต้นไม้. ข้อมูลอาจจะมากกว่าติดตั้งหรือจัดถ้ากลุ่มตัวอย่างขนาดเล็กมีการทดสอบ. เพียงหนึ่งแอตทริบิวต์ในเวลาที่มีการทดสอบการตัดสินใจ. จำแนกข้อมูลอย่างต่อเนื่องอาจจะเป็นคอมพิวเตอร์ที่มีราคาแพงเช่นต้นไม้จำนวนมากต้องถูกสร้างขึ้น เพื่อดูว่าจะทำลายความต่อเนื่อง

ผลลัพธ์ (ไทย) 3:

กฎการทำนายเข้าใจถูกสร้างขึ้นจากข้อมูลฝึก

สร้างต้นไม้ที่เร็วที่สุด สร้างต้นไม้เตี้ย
ต้องทดสอบคุณสมบัติเพียงพอจนกว่าข้อมูลทั้งหมดเป็นความลับ
หาใบ ( ช่วยให้ข้อมูลที่จะตัดลดจำนวนข้อสอบ ทั้งการสร้าง DataSet ค้นหา

ข้อมูลอาจต้น จะมาติดตั้ง หรือจัด ถ้าตัวอย่างการทดสอบ
เพียงหนึ่งแอททริบิวต์ที่เวลาทดสอบสำหรับการตัดสินใจ
หมวดหมู่ข้อมูลอย่างต่อเนื่องอาจจะ computationally แพง ต้นไม้จะถูกสร้างขึ้นเพื่อดูว่าทำลายต่อเนื่อง