To classify a new instance, we star

To classify a new instance, we start at the root and traverse the tree to reach
a leaf; at an internal node we evaluate the predicate (or function) on the data
instance, to find which child to go to. The process continues until we reach a leaf
node. For example, if the degree level of a person is masters, and the person’s
income is 40K, starting from the root we follow the edge labeled “masters,” and
from there the edge labeled “25K to 75K,” to reach a leaf. The class at the leaf is
“good,” so we predict that the credit risk of that person is good.

ผลลัพธ์ (ไทย) 1:

การจำแนกตัวอย่างใหม่เราเริ่มต้นที่รากและสำรวจต้นไม้ที่จะไปถึง
ใบ; ที่โหนดภายในที่เราประเมินคำกริยา (หรือฟังก์ชั่น) กับข้อมูลเช่น
เพื่อหาที่เด็กไป กระบวนการต่อไปจนกว่าเราเข้าถึงโหนดใบ
ตัวอย่างเช่นถ้าระดับปริญญาของสมาชิกผู้เป็นเจ้านายและรายได้
คนคือ 40k,เริ่มต้นจากรากเราปฏิบัติตามขอบป้าย "เจ้านาย" และจากที่นั่น
ขอบป้าย "25k 75k ไป" ไปถึงใบ ชั้นที่ใบเป็น
"ดี" ดังนั้นเราจึงคาดการณ์ว่าความเสี่ยงด้านเครดิตของบุคคลที่เป็นสิ่งที่ดี

ผลลัพธ์ (ไทย) 2:

การจัดประเภทอินสแตนซ์ใหม่ เราเริ่มต้นที่ราก และข้ามต้นถึง
เป็นใบ ที่โหนภายในเราประเมินเพรดิเคต (หรือฟังก์ชัน) ในข้อมูล
อินสแตนซ์ หาที่เด็กไป กระบวนการอย่างต่อเนื่องจนกว่าเราถึงใบไม้
โหน ตัวอย่างเช่น ถ้าระดับการศึกษาของบุคคล ต้นแบบ และของบุคคล
รายได้เป็น 40K เราเริ่มต้นจากรากตามขอบที่ชื่อ "ต้นแบบ และ
จากขอบป้าย" 25K กับ 75K, "ถึงเป็น เรียนที่ใบ
"ดี ดังนั้นเราคาดการณ์ว่า ความเสี่ยงด้านเครดิตของคนที่ดี

ผลลัพธ์ (ไทย) 3:

ในการจัด ประเภท อินสแตนซ์ใหม่ที่เราจะเริ่มที่รากและข้ามผ่านทรีที่จะเข้าถึงยัง
ใบที่โหนด ภายใน ที่เราประเมินมูลฐาน(หรือฟังก์ชัน)ที่อยู่บนข้อมูล
ซึ่งจะช่วยยกตัวอย่างเช่นการค้นหาที่เด็กจะไป กระบวนการนี้จะยังคงดำเนินต่อไปจนกว่าเราจะได้เข้าถึงยังใบ
โหนดที่ ตัวอย่างเช่นหากระดับระดับของบุคคลที่เป็นผู้นำและ' sperson ที่
รายได้คือ 40 Kเริ่มจากรากที่เราทำตามขอบที่มีข้อความ"มาสเตอร์"และ
จากที่นั่นมีลักษณะเป็นเส้นขอบที่ต่อกันที่มีข้อความ" 25 K 75 K "เพื่อเข้าถึงยังใบไม้ที่ Class ที่ใบมี
"ที่ดีเราจึงคาดว่าความเสี่ยงด้านเครดิตของบุคคลที่มีความเหมาะสม