a Machine Learning algorithm which

a Machine Learning algorithm which induces minimum set of rules. These rules can be adopted as a classifier (in terms of ML). It is a sequential covering algorithm, which was invented to cope with numeric data without discretization. Actually the nominal and numeric attributes are treated in the same way: attribute's space is being searched to find the best rule condition during rule induction. In result numeric attribute's conditions are more precise and closely describe the class. This algorithm contains some aspects of Rough Set Theory: the class definition can be described accordingly to its lower or upper approximation

ผลลัพธ์ (ไทย) 1:

ขั้นตอนการเรียนรู้ของเครื่องซึ่งก่อให้เกิดชุดขั้นต่ำของกฎ กฎเหล่านี้สามารถนำมาเป็นลักษณนาม (ในแง่ของมล.) ครอบคลุมตามลำดับขั้นตอนการการ ซึ่งถูกคิดค้นเพื่อรับมือกับข้อมูลตัวเลขโดย discretization ได้ จริง ๆ แอตทริบิวต์ระบุ และตัวเลขจะถือว่าวิธีการเดียวกัน: พื้นที่ของแอตทริบิวต์เป็นการค้นหากฎที่ดีสุดระหว่างกฎการเหนี่ยวนำ ในผลการค้นหา เงื่อนไขของแอตทริบิวต์เลขได้แม่นยำยิ่งขึ้น และใกล้ชิดอธิบายคลา อัลกอริทึมนี้ประกอบด้วยบางแง่มุมของทฤษฎีเซตหยาบ: นิยามคลาสสามารถอธิบายตามลำดับที่ในตัวล่าง หรือบนประมาณ

ผลลัพธ์ (ไทย) 2:

ขั้นตอนวิธีการเรียนรู้ของเครื่องซึ่งก่อให้เกิดการกำหนดขั้นต่ำของกฎ กฎระเบียบเหล่านี้สามารถนำมาใช้เป็นลักษณนาม (ในแง่ของ ML) มันเป็นขั้นตอนวิธีการที่ครอบคลุมตามลำดับซึ่งถูกคิดค้นขึ้นมาเพื่อรับมือกับข้อมูลที่เป็นตัวเลขไม่ต่อเนื่องโดยไม่ต้อง จริงแอตทริบิวต์ที่ระบุตัวเลขและได้รับการปฏิบัติในลักษณะเดียวกับพื้นที่แอตทริบิวต์จะถูกสืบค้นเพื่อหาสิ่งที่สภาพกฎที่ดีที่สุดในช่วงการปกครองการเหนี่ยวนำ ผลเงื่อนไขแอตทริบิวต์เป็นตัวเลขที่มีความแม่นยำมากขึ้นอย่างใกล้ชิดและอธิบายชั้นเรียน ขั้นตอนวิธีการนี้มีบางแง่มุมของขรุขระทฤษฎีเซต: การกำหนดชั้นสามารถอธิบายได้ตามประมาณที่ต่ำกว่าหรือบนของ

ผลลัพธ์ (ไทย) 3:

เป็นอัลกอริทึมที่ก่อให้เกิดการตั้งค่าขั้นต่ำของกฎ กฎเหล่านี้สามารถนำมาใช้เป็นลักษณนาม ( ในแง่ของมล. ) มันเป็นระบบที่ครอบคลุมขั้นตอนวิธีที่ถูกคิดค้นขึ้นเพื่อรับมือกับข้อมูลตัวเลข โดยที่ค่า . จริงระบุตัวเลขของการเข้ารับการรักษาในลักษณะเดียวกัน : คุณลักษณะของพื้นที่ถูกค้นหาเพื่อหาสภาวะที่ดีที่สุดในกฎการเหนี่ยวนำกฎ ในเงื่อนไขของผลตัวเลขจะแม่นยำมากขึ้นและใกล้ชิดอธิบาย class ขั้นตอนวิธีนี้มีบางแง่มุมของทฤษฎีรัฟเซต : ชั้นสามารถอธิบายตามนิยามของล่างหรือบนประมาณ