Several different representations h

Several different representations have been used to describe concepts for supervised learning
tasks. These include decision trees (Quinlan, 1986), connectionist networks (Rumelhart,
McClelland, & The PDP Research Group, 1987), and rules (Michalski, Mozetic, Hong,
& Lavra~, 1986; Clark & Niblett, 1989). Numerous empirical studies have reported that
these algorithms record excellent performances (e.g., high classification accuracies) in a
large and varied set of applications.

ผลลัพธ์ (ไทย) 1:

ใช้เพื่ออธิบายแนวคิดการเรียนรู้ที่มีนำเสนอแตกต่างกันหลายงาน รวมถึงต้นไม้ตัดสินใจ (Quinlan, 1986), เครือข่าย connectionist (RumelhartMcClelland และ กลุ่มร่วมประชุม PDP วิจัย 1987), และกฎ (Michalski, Mozetic, Hongและ Lavra ~, 1986 คลาร์กและ Niblett, 1989) ผลศึกษาจำนวนมากได้รายงานว่าอัลกอริทึมเหล่านี้บันทึกการแสดงยอดเยี่ยม (เช่น accuracies จัดประเภทสูง) ในการหลากหลายชุดของโปรแกรมประยุกต์

ผลลัพธ์ (ไทย) 2:

การแสดงที่แตกต่างกันหลายคนได้รับใช้เพื่ออธิบายแนวความคิดสำหรับการเรียนรู้ภายใต้การดูแลงาน เหล่านี้รวมถึงต้นไม้ตัดสินใจ (ควินแลน, 1986) เครือข่าย connectionist (Rumelhart,
แมคคลีแลนด์และกลุ่มวิจัยพีดีพี 1987) และกฎ (Michalski, Mozetic, ฮ่องกง,
และ Lavra ~ 1986; คลาร์กและ Niblett, 1989) การศึกษาเชิงประจักษ์จำนวนมากได้รายงานว่าเหล่านี้บันทึกขั้นตอนวิธีการแสดงที่ยอดเยี่ยม (เช่นการจัดหมวดหมู่ความถูกต้องสูง) ในชุดใหญ่และมีความหลากหลายของการใช้งาน

ผลลัพธ์ (ไทย) 3:

หลายภาพที่มีการใช้เพื่ออธิบายแนวคิดการเรียนรู้แบบ Supervised Learning
งาน เหล่านี้รวมถึงต้นไม้การตัดสินใจ ( ควินแลน , 1986 ) , เครือข่ายคอนเนคชันนิสต์ ( rumelhart McClelland
, , &ซึ่งกลุ่มงานวิจัย , 1987 ) และกฎ ( Michalski mozetic , โรงแรม ,
&ลาฟรา ~ , 1986 ; คลาร์ก&นิบลิต , 1989 ) การศึกษาเชิงประจักษ์มากมายที่ได้รายงานว่า
เหล่านี้ขั้นตอนวิธีการบันทึกยอดเยี่ยมการแสดง เช่น ความถูกต้องในการจำแนกสูง )
ขนาดใหญ่และหลากหลายชุดของโปรแกรมประยุกต์