The algorithm of a decision tree st

The algorithm of a decision tree starts with developing a test,
which can best divide groups. The most important objective
of grouping is to obtain a model for prediction. A data set
called ‘training data’, which includes individual variables
and records, are applied for this purpose. In the steps that
follow, the same procedure is performed for lower nodes
with fewer numbers of data in order to obtain the best rules.
Eventually, the tree becomes so large that there remains no

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมของต้นไม้ตัดสินใจเริ่มต้น ด้วยการทดสอบ พัฒนา
ที่สุดสามารถแบ่งกลุ่มได้ วัตถุประสงค์สำคัญ
จัดเป็นแบบจำลองสำหรับทำนายการรับ ชุดข้อมูล
เรียกว่า 'ข้อมูลการฝึกอบรม" ซึ่งประกอบด้วยตัวแปรอิสระ
และระเบียน ใช้สำหรับวัตถุประสงค์นี้ ในขั้นตอนที่
ทำตาม กระบวนการเดียวกันสำหรับโหนล่าง
มีน้อยกว่าจำนวนข้อมูลเพื่อให้ได้สุดกฎ.
ในที่สุด ต้นไม้กลายเป็นขนาดใหญ่มากที่มียังคงไม่

ผลลัพธ์ (ไทย) 2:

ขั้นตอนวิธีการของต้นไม้ตัดสินใจเริ่มต้นด้วยการพัฒนาการทดสอบ
ซึ่งสามารถแบ่งกลุ่มที่ดีที่สุด วัตถุประสงค์ที่สำคัญที่สุด
ของการจัดกลุ่มเพื่อให้ได้แบบจำลองสำหรับการคาดการณ์ ข้อมูลชุด
ที่เรียกว่า 'ข้อมูลการฝึกอบรม' ซึ่งรวมถึงตัวแปรแต่ละบุคคล
และมีการบันทึกจะนำมาใช้เพื่อการนี้ ในขั้นตอนที่
ทำตามขั้นตอนเดียวกันจะดำเนินการสำหรับโหนดที่ต่ำกว่า
ที่มีจำนวนน้อยของข้อมูลเพื่อให้ได้กฎระเบียบที่ดีที่สุด
ในที่สุดจะกลายเป็นต้นไม้ขนาดใหญ่ที่ยังคงไม่มี

ผลลัพธ์ (ไทย) 3:

ขั้นตอนวิธีของโครงสร้างการตัดสินใจเริ่มต้นด้วยการพัฒนาทดสอบ
ซึ่งสามารถที่ดีที่สุดแบ่งกลุ่ม ที่สำคัญที่สุดของการจัดกลุ่มเป้าหมาย
เพื่อให้ได้แบบจำลองในการทำนาย . ชุดข้อมูล
เรียกว่า ' การฝึกอบรมข้อมูล ' ซึ่งรวมถึง
แต่ละตัวแปรและข้อมูลที่ใช้เพื่อวัตถุประสงค์นี้ ในขั้นตอนที่
ทำตามขั้นตอนเดียวกันจะถูกดำเนินการเพื่อลดโหนด
จำนวนตัวเลขของข้อมูลเพื่อให้ได้กฎที่ดีที่สุด
ในที่สุด ต้นไม้กลายเป็นดังนั้นใหญ่ที่ยังคงมีไม่