Decision-tree methods have wide app

Decision-tree methods have wide applicability for data
exploration, classification and scoring. Decision trees are also
a natural choice when the goal is to generate understandable
and explainable rules. The ability of decision trees to generate
rules that can be translated into comprehensible natural
language or Structured Query Language (SQL) is one of the
greatest strengths of the technique. Decision trees require less
data preparation than many other techniques because they
‘are equally adept at handling continuous and categorical
variables’ (Bekhor et al., p. 9). ‘Categorical variables, which
pose problems for neural networks and statistical techniques’
(Bekhor et al., p. 9), are split by forming groups of classes. For
this reason, decision trees are often used to pick a good set
of variables that can be used as inputs in another modeling
technique (Berry &Linoff, 2004).

ผลลัพธ์ (ไทย) 1:

ต้นไม้การตัดสินใจวิธีได้ว้างสำหรับข้อมูล
สำรวจ จัดประเภท และให้คะแนน ต้นไม้ตัดสินใจก็
ทางธรรมชาติเมื่อเป้าหมายคือการ สร้างเข้าใจ
และกฎ explainable ความสามารถของต้นไม้ตัดสินใจสร้าง
กฎที่สามารถแปลเป็นธรรมชาติ comprehensible
ภาษาหรือภาษาสอบถามโครงสร้าง (SQL) เป็นหนึ่ง
จุดแข็งมากที่สุดเทคนิคการ ต้นไม้ตัดสินใจต้องน้อย
เตรียมข้อมูลกว่าเทคนิคอื่น ๆ เนื่องจากพวกเขา
' จะเท่า ๆ กันคุณหญิงจัดการอย่างต่อเนื่อง และแตก
ตัวแปร (Bekhor et al., p. 9) "ตัวแปรแน่ชัด ซึ่ง
ก่อให้เกิดปัญหาของเครือข่ายประสาทและเทคนิคทางสถิติ
แบ่ง (Bekhor et al., p. 9), โดยเป็นกลุ่มของชนชั้น สำหรับ
เหตุผลนี้ มักจะใช้ต้นไม้ตัดสินใจจะเลือกชุดดี
ของตัวแปรที่สามารถใช้เป็นอินพุตในการสร้างโมเดลอื่น
เทคนิค (เบอร์รี่ &Linoff, 2004)

ผลลัพธ์ (ไทย) 2:

วิธีการตัดสินใจต้นไม้มีการบังคับใช้กว้างสำหรับข้อมูล
การสำรวจการจัดหมวดหมู่และการให้คะแนน ต้นไม้ตัดสินใจนอกจากนี้ยังมี
ทางเลือกที่เป็นธรรมชาติเมื่อมีเป้าหมายที่จะสร้างความเข้าใจ
กฎระเบียบและอธิบาย ความสามารถของต้นไม้การตัดสินใจที่จะสร้าง
กฎระเบียบที่สามารถแปลเป็นธรรมชาติเข้าใจ
ภาษาหรือ Structured Query Language (SQL) เป็นหนึ่งใน
จุดแข็งที่ยิ่งใหญ่ที่สุดของเทคนิค ต้นไม้ตัดสินใจต้องน้อย
กว่าการจัดเตรียมข้อมูลเทคนิคอื่น ๆ เพราะพวกเขา
'เป็นอย่างเท่าเทียมกันเชี่ยวชาญในการจัดการอย่างต่อเนื่องและเด็ดขาด
ตัวแปร (Bekhor ตอัล. พี. 9) 'ตัวแปรหมวดหมู่ซึ่ง
ก่อให้เกิดปัญหาให้กับเครือข่ายประสาทและเทคนิคทางสถิติ '
(Bekhor ตอัล. พี. 9) จะแยกตามกลุ่มของชั้นเรียนไว้ สำหรับ
เหตุผลนี้ต้นไม้ตัดสินใจมักจะใช้ในการเลือกชุดที่ดี
ของตัวแปรที่สามารถนำมาใช้เป็นปัจจัยการผลิตในการสร้างแบบจำลองอื่น
เทคนิค (แบล็กเบอร์และ Linoff, 2004)

ผลลัพธ์ (ไทย) 3:

วิธีแขนงการตัดสินใจ มีความสัมพันธ์กัน กว้าง สำหรับการสำรวจข้อมูล
, หมวดหมู่และการให้คะแนน ต้นไม้การตัดสินใจยัง
ทางเลือกธรรมชาติเมื่อเป้าหมายคือการสร้างเข้าใจ
และกฎที่อธิบายได้ ความสามารถของต้นไม้ การตัดสินใจที่จะสร้างกฎที่สามารถแปลเป็น

เข้าใจธรรมชาติภาษา หรือภาษาในการสอบถามข้อมูล ( SQL ) เป็นหนึ่งใน
จุดแข็งที่ยิ่งใหญ่ที่สุดของเทคนิคต้นไม้ การตัดสินใจต้องน้อยกว่า
การเตรียมข้อมูลกว่าเทคนิคอื่น ๆอีกมากมาย เพราะการอัพชำนาญในการจัดการอย่างเท่าเทียมกัน

ตัวแปรอย่างต่อเนื่องและเด็ดขาด ( bekhor et al . , หน้า 9 ) ตัวแปรอย่างแท้จริง ซึ่งปัญหาที่ก่อให้เกิด
โครงข่ายประสาทเทียมและเทคนิคทางสถิติ
( bekhor et al . , หน้า 9 ) จะแยกโดยการสร้างกลุ่มของชั้นเรียน สำหรับ
เหตุผลนี้ต้นไม้การตัดสินใจมักจะใช้เพื่อเลือกตั้งค่าที่ดี
ของตัวแปรที่สามารถใช้เป็นปัจจัยการผลิตในอีกแบบ
เทคนิค ( เบอร์&
linoff , 2004 )