Decision tree learning algorithms s

Decision tree learning algorithms such as C4.5 (Quinlan, 1993) normally only classify examples. We modify C4.5 slightly so that it also produces a certainty factor (CF) for its classification. Basically, the classification of each leaf is determined by the majority class in that leaf. The certainty factor of examples in a leaf is the ratio of the number of examples of the majority class over the total number of examples in that leaf. This method was used in the program consult that comes with the C4.5 package (Quinlan, 1993).


ผลลัพธ์ (ไทย) 1:

ต้นไม้การตัดสินใจเรียนอัลกอริทึม C4.5 (Quinlan, 1993) เช่นปกติจำแนกตัวอย่างเท่านั้น เราแก้ไข C4.5 เล็กน้อยเพื่อให้มันผลิตตัวคูณแน่นอน (CF) สำหรับการจัดประเภทของการ พื้น การจัดประเภทของแต่ละใบจะถูกกำหนด โดยชั้นส่วนใหญ่ในใบนั้น ตัวแน่นอนของตัวอย่างในใบไม้เป็นอัตราส่วนของจำนวนตัวอย่างของชั้นส่วนใหญ่มากกว่าจำนวนตัวอย่างในใบนั้น วิธีนี้ถูกใช้ในการให้คำปรึกษาโปรแกรมที่มาพร้อมกับแพคเกจ C4.5 (Quinlan, 1993)

ผลลัพธ์ (ไทย) 2:

ต้นไม้ตัดสินใจขั้นตอนวิธีการเรียนรู้เช่น C4.5 (ควินแลน, 1993) ตามปกติเท่านั้นจำแนกตัวอย่าง เราปรับเปลี่ยน C4.5 เล็กน้อยเพื่อที่ว่ามันยังผลิตปัจจัยความเชื่อมั่น (CF) การจัดหมวดหมู่ของ โดยทั่วไปการจัดหมวดหมู่ของแต่ละใบจะถูกกำหนดโดยส่วนใหญ่ชั้นในใบว่า ปัจจัยความเชื่อมั่นของตัวอย่างในใบเป็นอัตราส่วนของจำนวนตัวอย่างของการเรียนส่วนใหญ่กว่าจำนวนรวมของตัวอย่างในใบว่า วิธีการนี​​้ถูกนำมาใช้ในโปรแกรมให้คำปรึกษาที่มาพร้อมกับแพคเกจ C4.5 (ควินแลน, 1993)


ผลลัพธ์ (ไทย) 3:

การเรียนรู้ต้นไม้ตัดสินใจ ( เช่นโปรแกรม C4.5 ขั้นตอนวิธีควินแลน , 1993 ) ปกติเพียงจำแนกตัวอย่าง เราปรับเปลี่ยนโปรแกรม C4.5 เล็กน้อยเพื่อให้มันยังสร้างปัจจัยความแน่นอน ( CF ) สำหรับการจำแนกประเภท โดยทั่วไป การจัดหมวดหมู่ของแต่ละใบจะถูกกำหนดโดยส่วนใหญ่เรียนในใบที่ปัจจัยความเชื่อมั่นของตัวอย่างในใบ คือ อัตราส่วนของจำนวนตัวอย่างส่วนใหญ่เรียนจำนวนตัวอย่างในใบที่ วิธีการนี้ถูกนำมาใช้ในโปรแกรมปรึกษาที่มาพร้อมกับแพคเกจโปรแกรม C4.5 ( 
ควินแลน , 1993 )