Due to efficiency considerations, w

Due to efficiency considerations, we choose Naive Bayes algorithm, which makes a conditional independent assumption: given the class 
label, the attribute values of any example are independent. This assumption is almost certainly violated, but Domingos and Pazzani (1996) showed that it may not affect the classification decision. Details of the Naive Bayes can be found in (Langley, Iba, & Thompson, 1992), and we will not repeat it here.


ผลลัพธ์ (ไทย) 1:

จากการพิจารณาประสิทธิภาพ เราเลือก Naive Bayes อัลกอริทึม ซึ่งทำให้อัสสัมชัญเป็นอิสระแบบมีเงื่อนไข: ได้รับป้ายชื่อคลาส ค่าแอตทริบิวต์ใด ๆ อย่างเป็นอิสระ มีละเมิดนี้เกือบจะแน่นอน แต่ Domingos และ Pazzani (1996) พบว่า มันอาจมีผลต่อการตัดสินใจการจัดประเภท รายละเอียดของ Naive Bayes สามารถพบได้ ใน (ลแลงเกลย์ อิบา ทอมป์ สัน 1992), และเราจะไม่ทำซ้ำได้ที่นี่

ผลลัพธ์ (ไทย) 2:

เนื่องจากการพิจารณาประสิทธิภาพเราเลือกที่หน่อมแน้มวิธีเบส์ซึ่งทำให้สมมติฐานอิสระเงื่อนไข: ได้รับฉลากชั้น, ค่าแอตทริบิวต์การเช่นใดมีความเป็นอิสระ สมมติฐานนี้เกือบจะละเมิดอย่างแน่นอน แต่ Domingos และ Pazzani (1996) แสดงให้เห็นว่ามันอาจจะไม่ส่งผลกระทบต่อการตัดสินใจการจัดหมวดหมู่ รายละเอียดของการ Naive Bayes สามารถพบได้ใน (แลงก์ลีย์อื่น ๆ และ ธ อมป์สัน, 1992) และเราจะไม่ทำซ้ำได้ที่นี่


ผลลัพธ์ (ไทย) 3:

เนื่องจากการพิจารณาประสิทธิภาพ เราเลือก Naive Bayes วิธีการซึ่งทำให้เงื่อนไขอิสระ : ให้เรียนอัสสัมชัญ
ป้าย ค่าแอตทริบิวต์ของตัวอย่างเป็นอิสระต่อกัน สมมติฐานนี้เป็นเกือบแน่นอนละเมิด แต่ โดมิงโกส และ pazzani ( 1996 ) พบว่ามันอาจไม่มีผลต่อการตัดสินใจ รายละเอียดของ Bayes ไร้เดียงสาสามารถพบได้ในแลงลีย์ , ๆ ,&ทอมป์สัน , 1992 ) , และเราจะไม่ซ้ำที่นี่