AbstractIn this article, the perfor

Abstract
In this article, the performance of data mining and statistical techniques was empirically compared while varying the number of inde-
pendent variables, the types of independent variables, the number of classes of the independent variables, and the sample size. Our study
employed 60 simulated examples, with artificial neural networks and decision trees as the data mining techniques, and linear regression as
the statistical method. In the performance study, we use the RMSE value as the metric and come up with some additional findings: (i) for
continuous independent variables, a statistical technique (i.e., linear regression) was superior to data mining (i.e., decision tree and arti-
ficial neural network) regardless of the number of variables and the sample size; (ii) for continuous and categorical independent variables,
linear regression was best when the number of categorical variables was one, while the artificial neural network was superior when the
number of categorical variables was two or more; (iii) the artificial neural network performance improved faster than that of the other
methods as the number of classes of categorical variable increased.
 2006 Elsevier Ltd. All rights reserved.

ผลลัพธ์ (ไทย) 1:

นามธรรม
ในบทความนี้ ประสิทธิภาพของการทำเหมืองข้อมูลและเทคนิคทางสถิติถูก empirically เทียบขณะที่แตกต่างกันจำนวน inde-
จำนวนประเภทของตัวแปรอิสระ และขนาดตัวอย่าง ชนิดของตัวแปรอิสระ ตัวแปรแขวน เรา
จ้าง 60 อย่างจำลอง เครือข่ายประสาท artificial และต้นไม้ตัดสินใจเป็นเทคนิคการทำเหมืองข้อมูล และการถดถอยเชิงเส้นเป็น
วิธีการทางสถิติ ในการศึกษาประสิทธิภาพการทำงาน เราใช้ค่า RMSE เป็นการวัด และมากับ findings บางเพิ่มเติม: (i) สำหรับ
ตัวแปรอิสระอย่างต่อเนื่อง เทคนิคทางสถิติ (เช่น ถดถอยเชิงเส้น) เหนือกว่าการทำเหมืองข้อมูล (เช่น ต้นไม้การตัดสินใจและอา-
ficial โครงข่ายประสาท) ว่าจำนวนตัวแปรและขนาดตัวอย่าง (ii) สำหรับแปรอิสระอย่างต่อเนื่อง และแตก,
ถดถอยเชิงเส้นถูกสุดเมื่อจำนวนตัวแปรแตกหนึ่ง ในขณะ artificial เครือข่ายประสาทเหนือกว่าเมื่อการ
จำนวนตัวแปรที่แตกเป็นสอง หรือ มากกว่า (iii)ประสิทธิภาพของเครือข่ายประสาท artificial ดีขึ้นเร็วกว่าที่อื่น ๆ
วิธีเป็นจำนวนชั้นของตัวแปรแตกเพิ่ม
2006 Elsevier จำกัด สงวนลิขสิทธิ์ทั้งหมด

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ
ในบทความนี้ประสิทธิภาพการทำงานของเทคนิคการทำเหมืองข้อมูลและสถิติเมื่อเทียบสังเกตุในขณะที่แตกต่างกันจำนวนของ inde-
ตัวแปรจี้ประเภทของตัวแปรอิสระจำนวนชั้นเรียนของตัวแปรอิสระและขนาดของกลุ่มตัวอย่าง การศึกษาของเรา
มีงานทำ 60 ตัวอย่างจำลองที่มีเครือข่าย Arti ไฟทางการประสาทและต้นไม้ตัดสินใจเป็นเทคนิคการทำเหมืองข้อมูลและการถดถอยเชิงเส้นเป็น
วิธีการทางสถิติ ในการศึกษาผลการดำเนินงานที่เราใช้ค่า RMSE เป็นตัวชี้วัดและมากับบาง ndings เพิ่มเติมไฟ (i) สำหรับ
ตัวแปรอย่างต่อเนื่องอิสระเทคนิคทางสถิติ (เช่นการถดถอยเชิงเส้น) ได้ดีกว่าการทำเหมืองข้อมูล (เช่นต้นไม้ตัดสินใจและ Arti -
ไฟเครือข่ายประสาททางการ) โดยไม่คำนึงถึงจำนวนของตัวแปรและขนาดของกลุ่มตัวอย่าง; (ii) สำหรับตัวแปรอิสระอย่างต่อเนื่องและเด็ดขาด,
การถดถอยเชิงเส้นที่ดีที่สุดเมื่อจำนวนของตัวแปรเด็ดขาดเป็นหนึ่งในขณะที่ Arti Fi เครือข่ายประสาททางการดีกว่าเมื่อ
จำนวนของตัวแปรเด็ดขาดเป็นสองหรือมากกว่า; (iii) ผลการดำเนินงานสายเครือข่ายประสาททางการ Arti ดีขึ้นเร็วกว่าที่อื่น ๆ
วิธีการที่เป็นตัวเลขของชั้นเรียนของตัวแปรเด็ดขาดเพิ่มขึ้น
? 2006 เอลส์ จำกัด สงวนลิขสิทธิ์

ผลลัพธ์ (ไทย) 3:

นามธรรม
ในบทความนี้ ประสิทธิภาพของการทำเหมืองข้อมูลและเทคนิคทางสถิติที่ใช้เปรียบเทียบคือ ขณะที่จำนวนของประเทศอินเดีย -
จี้ ตัวแปร ชนิดของตัวแปรอิสระ จำนวนประเภทของตัวแปรอิสระ และขนาดตัวอย่าง การศึกษาของเรา
ใช้ 60 ) ตัวอย่าง กับ กิจึง่เครือข่ายประสาทและต้นไม้การตัดสินใจเป็นการทำเหมืองข้อมูลเทคนิคและการถดถอยเชิงเส้นเมื่อ
วิธีการทางสถิติ ในการศึกษาประสิทธิภาพ เราใช้ค่า RMSE เป็นเมตริกและมากับบาง ndings จึงเพิ่มเติม : ( i )
ตัวแปรอิสระอย่างต่อเนื่อง เทคนิคทางสถิติ ( เช่น การถดถอยเชิงเส้น ) คือ superior การทำเหมืองข้อมูล ( เช่น ต้นไม้แห่งการตัดสินใจและ -
จึง่เครือข่ายประสาท ) ไม่ว่าหมายเลขตัวแปรและขนาดตัวอย่าง ;( 2 ) ให้ต่อเนื่องและตัวแปรอิสระเด็ดขาด ,
ถดถอยเชิงเส้นที่ดีที่สุด เมื่อตัวเลขของตัวแปรเชิงกลุ่มหนึ่ง ขณะที่ กิจึง่โครงข่ายประสาทเทียมเป็นผู้บังคับบัญชาเมื่อ
จำนวนตัวแปรเด็ดขาดเป็นสองหรือมากกว่า ; ( 3 ) จึงจำเป็นต้อง่ประสาทเครือข่ายการปรับปรุงประสิทธิภาพที่เร็วกว่าของ
วิธีอื่น ๆ เป็นหมายเลขของประเภทของตัวแปรอย่างแท้จริง
) 2006 เอลส์จำกัดสงวนลิขสิทธิ์