Results Data Set #2 Data set #2 was

Results Data Set #2 Data set #2 was Breast Cancer data made public by Mangasarian & Wolberg [18] [19]. This data set was also briefly reported in our previous paper. The methodology has now been greatly expanded with adjustment of individual membership functions and use of the genetic algorithm. Data set parameters are as follows:
1. Sample code number id number
2. Clump Thickness 1 - 10
3. Uniformity of Cell Size 1 - 10
4. Uniformity of Cell Shape 1 - 10
5. Marginal Adhesion 1 - 10
6. Single Epithelial Cell Size 1 - 10
7. Bare Nuclei 1 - 10
8. Bland Chromatin 1 - 10
9. Normal Nucleoli 1 - 10
10. Mitoses 1 – 10
11. Class 2= benign; 4 = malignant

The predicted classification is either benign or malignant. Standard deviation of membership functions were adjusted using the genetic algorithm. Sets were aggregated as an averaging process similar to equation (11) and selection made on the basis of which was the larger. Summary of results are in the table C.
Again results from the fuzzy approach are very good but not better that statistical logistical regression. They are in some respect comparable. Results for data set #2 were considerably better than those for data set #1 possibly because data set #2 had more attributes from which to establish set memberships. All results were really comparable with results of other researchers as reported earlier in this paper.
The Fitness chart developed by the genetic algorithm software for data set #2 is presented as Figure 2. It shows that the genetic algorithm has approached asymptotically a horizontal line and further iterations may not produce improvement unless there are local minimums. Considering the nature of the problem, local minimums are unlikely.

ผลลัพธ์ (ไทย) 1:

ผลชุดข้อมูลชุดข้อมูล #2 #2 ถูกมะเร็งเต้านมข้อมูลที่เปิดเผยต่อสาธารณะ โดย Mangasarian & Wolberg [18] [19] ยังสั้น ๆ รายงานชุดข้อมูลนี้ในเอกสารของเราก่อนหน้านี้ วิธีการมากขยายปรับปรุงของสมาชิกแต่ละฟังก์ชันและใช้อัลกอริทึมทางพันธุกรรม พารามิเตอร์ชุดข้อมูลมีดังนี้: 1. ตัวอย่างรหัสเลขรหัสหมายเลข 2. กอความหนา 1-10 3. ใจเซลล์ขนาด 1-10 4. ใจรูปร่างเซลล์ 1-10 5. กำไรยึดติด 1-10 6. เดี่ยว Epithelial เซลล์ขนาด 1-10 7. เอาแอลฟา 1-10 8. โครมาตินสูง 1-10 9. ปกติ Nucleoli 1-10 10. mitoses 1-10 11. คลาส 2 =อ่อนโยน 4 =ร้าย การจัดประเภทการคาดการณ์จะอ่อนโยน หรือร้ายแรง ส่วนเบี่ยงเบนมาตรฐานของฟังก์ชันสมาชิกถูกปรับปรุงโดยใช้อัลกอริทึมทางพันธุกรรม ชุดได้รวมเป็น averaging กระบวนการคล้ายกับสมการ (11) และเลือกตามที่ได้ใหญ่กว่า มีสรุปผลในตารางค อีกผลลัพธ์จากวิธีการชัดเจนเป็นอย่างดี แต่ไม่ดีที่ถดถอย logistical สถิติ พวกเขามีบางประการที่เปรียบเทียบได้ ผลลัพธ์สำหรับชุดข้อมูล #2 ถูกมากดีกว่านั้นสำหรับชุดข้อมูล #1 อาจ เพราะชุดข้อมูล #2 มีแอตทริบิวต์เพิ่มเติมจากที่สร้างชุดสมาชิก ผลลัพธ์ทั้งหมดจริง ๆ เปรียบเทียบกับผลการวิจัยอื่น ๆ ก่อนหน้าในเอกสารนี้ได้ มีการนำเสนอแผนภูมิออกกำลังกายพัฒนาซอฟต์แวร์ขั้นตอนวิธีพันธุกรรมสำหรับชุดข้อมูล #2 เป็นรูปที่ 2 แสดงว่า ขั้นตอนวิธีพันธุกรรมใกล้ถึง asymptotically เส้นแนวนอน และซ้ำเติมอาจผลิตปรับปรุงเว้นแต่ที่มีในท้องถิ่นต่ำ พิจารณาลักษณะของปัญหา ต่ำภายในไม่น่า

ผลลัพธ์ (ไทย) 2:

ผลการค้นหาข้อมูลชุด # 2 ข้อมูลชุดที่ 2 เป็นมะเร็งเต้านมข้อมูลที่ทำให้ประชาชนโดย Mangasarian & Wolberg [18] [19] ข้อมูลชุดนี้ได้รับการรายงานในเวลาสั้น ๆ ในกระดาษก่อนหน้านี้ วิธีการขณะนี้ได้รับการขยายอย่างมากกับการปรับตัวของฟังก์ชั่นสมาชิกของแต่ละบุคคลและการใช้ขั้นตอนวิธีทางพันธุกรรม พารามิเตอร์ข้อมูลชุดมีดังนี้:
1 หมายเลขรหัสตัวอย่างจำนวน id
2 กอหนา 1 - 10
3. ความสม่ำเสมอของขนาดเซลล์ 1 - 10
4. ความสม่ำเสมอของรูปร่างของเซลล์ 1-10
5. การยึดติดเล็กน้อย 1 - 10
6. เดี่ยวขนาดเซลล์เยื่อบุผิว 1 - 10
7. เปลือยนิวเคลียส 1 - 10
8. รสชาติ Chromatin 1 - 10
9. ปกติ nucleoli 1 - 10
10. mitoses 1 - 10
11. Class 2 = ใจดี; 4 = มะเร็งคาดการณ์การจัดหมวดหมู่เป็นทั้งอ่อนโยนหรือมะเร็ง เบี่ยงเบนมาตรฐานของฟังก์ชั่นสมาชิกมีการปรับใช้ขั้นตอนวิธีทางพันธุกรรม ชุดถูกรวมเป็นกระบวนการเฉลี่ยคล้ายกับสมการ (11) และการเลือกทำบนพื้นฐานของซึ่งเป็นขนาดใหญ่ สรุปผลอยู่ในตารางซีอีกครั้งเป็นผลมาจากวิธีการเลือนจะดีมาก แต่ไม่ดีกว่าว่าการถดถอยโลจิสติกสถิติ พวกเขาอยู่ในความเคารพบางเทียบเคียง ผลข้อมูลชุด # 2 มีมากดีกว่าสำหรับข้อมูลชุด # 1 อาจจะเป็นเพราะข้อมูลชุดที่ 2 มีคุณลักษณะอื่น ๆ ที่จะสร้างสมาชิกชุด ผลทั้งหมดถูกเปรียบเทียบจริงๆกับผลการวิจัยอื่น ๆ ตามที่รายงานก่อนหน้านี้ในบทความนี้. แผนภูมิการออกกำลังกายที่พัฒนาโดยซอฟท์แวขั้นตอนวิธีทางพันธุกรรมสำหรับข้อมูลชุด # 2 จะนำเสนอเป็นรูปที่ 2 มันแสดงให้เห็นว่าขั้นตอนวิธีทางพันธุกรรมได้เดินเข้ามาใกล้เชิงเส้นกำกับเส้นแนวนอนและ ซ้ำต่อไปอาจไม่ผลิตปรับปรุงเว้นแต่มีขั้นต่ำในท้องถิ่น เมื่อพิจารณาจากลักษณะของปัญหาที่ต่ำสุดในท้องถิ่นไม่น่า

ผลลัพธ์ (ไทย) 3:

ข้อมูล ชุด# 2 ชุดข้อมูล# 2 ข้อมูลมะเร็งเต้านมที่เผยแพร่โดย mangasarian & wolberg [ 18 ] [ 19 ] ข้อมูลชุดนี้ยังเป็นช่วงสั้น ๆในกระดาษรายงานก่อนหน้านี้ของเรา วิธีการได้รับตอนนี้ขยายอย่างมากกับการปรับตัวของฟังก์ชันความเป็นสมาชิกของแต่ละบุคคลและการใช้ขั้นตอนวิธีเชิงพันธุกรรม ข้อมูลการตั้งค่าพารามิเตอร์มีดังนี้ :
1 ตัวอย่างรหัสเลขบัตรประชาชน
2 กอหนา 1 - 10
3 . ความสม่ำเสมอของขนาดเซลล์ 1 - 10
4 ความสม่ำเสมอของรูปร่างเซลล์ 1 - 10
5 เพิ่มการยึดเกาะ 1 - 10
6 เยื่อบุผิวเซลล์เดียวขนาด 1 - 10
7 เปลือยนิวเคลียส 1 - 10
8 ธรรมดาพบ 1 - 10
9 ปกติ nucleoli 1 - 10
10 mitoses 1 – 10
11 ชั้น 2 = เนื้องอกมะเร็ง 4 =
ทำนายการจำแนกเป็นเนื้องอกหรือเนื้อร้ายส่วนเบี่ยงเบนมาตรฐานของฟังก์ชันความเป็นสมาชิกถูกปรับโดยใช้ขั้นตอนวิธีทางพันธุกรรม ชุดรวมเป็นจำนวนเฉลี่ยกระบวนการคล้ายกับสมการ ( 11 ) และการสร้างบนพื้นฐานของการที่มีขนาดใหญ่ สรุปของผลลัพธ์ในโต๊ะ C .
อีกผลที่ได้จากวิธีฟัซซีจะดีมาก แต่ไม่ขึ้นว่าสถิติจิสติกส์การถดถอย พวกเขาอยู่ในความเคารพเทียบเท่าผลการค้นหาสำหรับชุดข้อมูล# 2 ถูกมากดีกว่าสำหรับชุดข้อมูล# 1 อาจจะเพราะชุดข้อมูล# 2 มีคุณลักษณะที่จะสร้างตั้งสมาชิก . ผลการค้นหาทั้งหมดก็เปรียบกับผลลัพธ์ของนักวิจัยอื่น ๆ ตามที่ได้รายงานก่อนหน้านี้ในบทความนี้
ฟิตกราฟที่พัฒนาโดยซอฟต์แวร์ขั้นตอนวิธีเชิงพันธุกรรมสำหรับข้อมูลชุด# 2 แสดงดังรูปที่ 2พบว่าขั้นตอนวิธีเชิงพันธุกรรมได้เข้าหา asymptotically เส้นแนวนอน และ รอบต่อไปอาจจะไม่ผลิตเพิ่ม เว้นแต่มีขั้นต่ำในท้องถิ่น การพิจารณาลักษณะของปัญหา เมื่อท้องถิ่นอื่น