International Journal of Computer T

International Journal of Computer Trends and Technology (IJCTT) – volume 13 number 2 – Jul 2014
ISSN: 2231-5381 http://www.ijcttjournal.org Page 82
experiment achieved 70% less accuracy compared to the
classification experiment outcome.
B. Speed
In terms of the time taken to build and test the model, the
result shows Naive Bayesian to be the fastest. Followed by
Decision Tree with a very little difference, and ANN at last
taking the most time to build and test the model. However, the
three models were observed to have a varying duration for
model building and testing in proportion to the percentage
split; where a smaller training test implies a longer time
testing the mode, and vice versa. Also, the 10 Fold was
observed to be almost the same in duration of training and
testing as the percentage split.
C. Interpretability
The computation process in WEKA for Decision Tree and
Naive Bayesian are readable and understandable. But ANN is
obviously hard to understand because it is a Black-Box
algorithm. But in general the results are readable and
understandable.
VIII. CONCLUSION
The comparative analysis of the models used in this study
shows that Multilayer Perceptron of Artificial Neural Network
(ANN) takes longer to build and test a model compared to
Decision Tree, Naive Bayesian, and the 10-Folds Cross
Validation. However, in terms of accuracy, the Multilayer
Perceptron seem be the best to cut across dataset percentage
split and cross validation algorithms. Also, it was observed in
this study that the smaller the number of the dimension of
class of a dataset, the higher the accuracy of the model would
be.
ACKNOWLEDGMENT
Much gratitude and credit to the University of California
Irvine (UCI) data repository and Marco Bohanec for making
the car evaluation dataset available, also to the timeless
support and advice given by Professor Azuraliza Abu Bakar.

ผลลัพธ์ (ไทย) 1:

นานาชาติสมุดของคอมพิวเตอร์และแนวโน้มเทคโนโลยี (IJCTT) – ปริมาณ 13 หมายเลข 2 – 2014 กรกฎาคมนอก: http://www.ijcttjournal.org 2231-5381 หน้า 82ทดลองทำได้ 70% ความแม่นยำน้อยกว่าเมื่อเทียบกับการประเภทผลการทดลองB. ความเร็วในแง่ของเวลาที่ใช้ในการสร้าง และทดสอบแบบจำลอง การผลลัพธ์แสดงทฤษฎี Naive ให้ เร็วที่สุด ตามด้วยต้นไม้การตัดสินใจ มีความแตกต่างน้อยมาก และแอนที่ล่าสุดใช้เวลามากที่สุดในการสร้าง และทดสอบแบบ อย่างไรก็ตาม การสุภัคสามรุ่นจะมีระยะเวลาแตกต่างกันสำหรับสร้างแบบจำลองและการทดสอบสัดเปอร์เซ็นต์แยก ซึ่งการทดสอบฝึกอบรมขนาดเล็กหมายถึงเวลานานทดสอบโหมด และในทางกลับกัน , 10 พับเป็นสังเกตเป็นเกือบเหมือนกันในช่วงเวลาของการฝึกอบรม และทดสอบเป็นแบ่งเปอร์เซ็นต์C. interpretabilityการคำนวณใน WEKA สำหรับต้นไม้การตัดสินใจ และทฤษฎี naive ได้อ่าน และเข้าใจ แต่แอนแน่นอนยากที่จะเข้าใจเนื่องจากเป็นกล่องดำอัลกอริทึมการ แต่โดยทั่วไป ผลการอ่าน และเข้าใจVIII. บทสรุปการวิเคราะห์เปรียบเทียบแบบจำลองที่ใช้ในการศึกษานี้แสดงว่า Multilayer เพอร์เซปตรอนของโครงข่ายประสาทเทียม(แอน) ใช้ในการสร้าง และทดสอบแบบเปรียบเทียบกับต้นไม้การตัดสินใจ ทฤษฎี Naive และ 10-พับไขว้การตรวจสอบ อย่างไรก็ตาม ในแง่ของความถูกต้อง แบบ Multilayerดูเหมือนจะเพอร์เซปตรอนจะดีสุดจะตัดผ่านชุดข้อมูลเปอร์เซ็นต์แยก และข้ามการตรวจสอบอัลกอริทึม นอกจากนี้ มันถูกตรวจสอบในนี่เรียนที่ขนาดเล็กจำนวนมิติของชั้นของชุดข้อมูล จะสูงความถูกต้องของแบบจำลองต้องการยอมรับความกตัญญูมากและเครดิตมหาวิทยาลัยแคลิฟอร์เนียเออร์วิน (UCI) เก็บข้อมูลและ Marco Bohanec สำหรับทำรถประเมินชุดข้อมูลพร้อมใช้งาน นอกจากนี้การตกแต่งสนับสนุนและคำแนะนำโดยศาสตราจารย์ Azuraliza อบูอาบู

ผลลัพธ์ (ไทย) 2:

วารสารนานาชาติแนวโน้มคอมพิวเตอร์และเทคโนโลยี (IJCTT) - ปริมาณ 13 จำนวน 2 - กรกฎาคม 2014
ISSN: 2231-5381 http://www.ijcttjournal.org หน้า 82
การทดลองประสบความสำเร็จในความถูกต้อง 70%
น้อยกว่าเมื่อเทียบกับผลการทดลองการจัดหมวดหมู่.
บี ความเร็วในแง่ของเวลาที่จะสร้างและทดสอบแบบจำลองที่ผลแสดงให้เห็นคชกรรมไร้เดียงสาที่จะเป็นที่เร็วที่สุด ตามด้วยต้นไม้การตัดสินใจมีความแตกต่างน้อยมากและ ANN ที่สุดท้ายที่สละเวลาส่วนใหญ่ในการสร้างและทดสอบรูปแบบ อย่างไรก็ตามสามรุ่นถูกตั้งข้อสังเกตว่าจะมีที่แตกต่างกันระยะเวลาสำหรับการสร้างแบบจำลองและการทดสอบในสัดส่วนร้อยละแยก; ที่ทดสอบการฝึกอบรมที่มีขนาดเล็กหมายถึงการเป็นเวลานานการทดสอบโหมดและในทางกลับกัน นอกจากนี้ 10 พับได้สังเกตเห็นเกือบจะเหมือนกันในช่วงระยะเวลาของการฝึกอบรมและการทดสอบแยกเป็นร้อยละ. ซี Interpretability กระบวนการคำนวณใน WEKA สำหรับต้นไม้และการตัดสินใจแบบเบย์ไร้เดียงสาสามารถอ่านและเข้าใจได้ แต่แอนเป็นที่เห็นได้ชัดยากที่จะเข้าใจเพราะมันเป็นสีดำกล่องอัลกอริทึม แต่โดยทั่วไปผลที่อ่านและเข้าใจ. VIII สรุปการวิเคราะห์เปรียบเทียบรูปแบบที่ใช้ในการศึกษาครั้งนี้แสดงให้เห็นว่าหลายPerceptron ของประสาทเทียมเครือข่าย(ANN) ใช้เวลานานในการสร้างและทดสอบแบบจำลองเมื่อเทียบกับต้นไม้ตัดสินใจNaive Bayesian และ 10 กอดรอการตรวจสอบ แต่ในแง่ของความถูกต้องที่หลายPerceptron ดูเหมือนจะเป็นสิ่งที่ดีที่สุดที่จะตัดผ่านร้อยละชุดแยกและขั้นตอนวิธีการตรวจสอบข้าม นอกจากนี้ยังพบว่าในการศึกษาครั้งนี้ว่ามีขนาดเล็กจำนวนของขนาดของชั้นเรียนของชุดข้อมูลที่สูงกว่าความถูกต้องของรูปแบบจะเป็น. รับทราบความกตัญญูมากและเครดิตให้กับมหาวิทยาลัยแคลิฟอร์เนียเออร์ไวน์(UCI) เก็บข้อมูลและมาร์โก Bohanec สำหรับการทำชุดข้อมูลการประเมินผลรถที่มีอยู่ไปยังอมตะสนับสนุนและให้คำแนะนำที่ได้รับจากศาสตราจารย์Azuraliza Abu Bakar

ผลลัพธ์ (ไทย) 3:

วารสารนานาชาติแนวโน้มเทคโนโลยีและคอมพิวเตอร์ ( ijctt ) –ปริมาณ 13 หมายเลข 2 –กรกฎาคม 2014
ISSN : 2231-5381 http://www.ijcttjournal.org หน้า 82
ทดลองความความถูกต้อง 70% น้อยกว่าเมื่อเปรียบเทียบกับการทดลองผลการจำแนก
.
B
ความเร็วในแง่ของระยะเวลาในการสร้างและทดสอบแบบจำลอง
พบไร้เดียงสา Bayesian เพื่อเป็นวิธีที่เร็ว ตามด้วย
การตัดสินใจของต้นไม้ที่มีความแตกต่างน้อยมาก และแอนในที่สุด
ถ่ายเวลามากที่สุดในการสร้างและทดสอบแบบจำลอง อย่างไรก็ตาม ,
3 รูปแบบ พบว่ามีการเปลี่ยนแปลงระยะเวลา
รูปแบบอาคารและการทดสอบในสัดส่วนร้อยละ
แยก ; ที่การฝึกอบรมการทดสอบขนาดเล็กหมายถึงเวลานาน
ทดสอบโหมดและในทางกลับกัน ยัง , 10 เท่าคือ
ซึ่งเป็นเกือบเดียวกันในช่วงเวลาของการฝึกอบรมและการทดสอบเป็นค่า

C แยก interpretability
กระบวนการคำนวณใน Weka เพื่อการตัดสินใจแบบต้นไม้และ
ไร้เดียงสาคชกรรมจะสามารถอ่าน และเข้าใจ แต่แอนมี
แน่นอนยากที่จะเข้าใจเพราะมันเป็นขั้นตอนวิธีกล่อง
สีดำ แต่โดยทั่วไปแล้วผลจะสามารถอ่าน และเข้าใจได้
.
8 . สรุป
การวิเคราะห์เปรียบเทียบของแบบจำลองที่ใช้ในการศึกษานี้แสดงให้เห็นว่าเพอร์เซปตรอนหลาย

ของโครงข่ายประสาทเทียม ( ANN ) ใช้เวลาในการสร้างและทดสอบแบบจำลองเปรียบเทียบ

ต้นไม้ การตัดสินใจซื่อ เบย์ และ 10 เท่า
ข้ามการตรวจสอบ อย่างไรก็ตาม ในแง่ของความถูกต้อง เพอร์เซปตรอนหลาย
ดูเหมือนจะดีที่สุดตัดข้ามแยกข้อมูลขั้นตอนวิธีการตรวจสอบค่า
และข้าม นอกจากนี้พบใน
การศึกษานี้ขนาดเล็กจำนวนมิติของ
ชั้นของชุดข้อมูล อัตราความถูกต้องของโมเดลจะ
.

ขอบคุณมากรับทราบและสินเชื่อเพื่อมหาวิทยาลัยเออร์ไวน์แคลิฟอร์เนีย
( UCI ) ที่เก็บข้อมูล และมาร์โค bohanec ทำให้
การประเมินข้อมูลรถพร้อมใช้งาน ยังให้การสนับสนุนและคำแนะนำที่ได้รับจากอาจารย์ไม่มีเวลา

azuraliza Abu Bakar .