3.2 Decision Tree LearningDecision

3.2 Decision Tree Learning

Decision tree learning is a supervised learning technique aiming at the classification of instances based on predictor variables. There is one categorical response variable labeling the data and the result is arranged in the form of a tree. Figures 3.1, 3.2, and 3.3 show three decision trees computed for the data sets described earlier in this chapter. Leaf nodes correspond to possible values of the response variable. Non-leaf

ผลลัพธ์ (ไทย) 1:

3.2 การเรียนรู้ต้นไม้ตัดสินใจการเรียนรู้ต้นไม้ตัดสินใจเป็นเทคนิคการเรียนรู้มีมุ่งที่การจัดประเภทของอินสแตนซ์ที่ตามตัวแปร predictor มีหนึ่งตัวแปรตอบสนองแน่ชัดติดฉลากข้อมูล และผลการจัดเรียงในรูปแบบของต้นไม้ ต้นไม้การตัดสินใจ 3.1, 3.2 และ 3.3 แสดงสามตัวเลขคำนวณสำหรับชุดข้อมูลที่อธิบายไว้ก่อนหน้าในบทนี้ โหนโหนดปลายสุดสอดคล้องกับค่าที่เป็นไปได้ของตัวแปรตอบสนอง ไม่มีใบ

ผลลัพธ์ (ไทย) 2:

3.2 การตัดสินใจต้นไม้การเรียนรู้การเรียนรู้การตัดสินใจต้นไม้เป็นเทคนิคการเรียนรู้ภายใต้การดูแลเป้าหมายในการจัดหมวดหมู่ของกรณีที่เกิดขึ้นอยู่กับตัวแปร มีสิ่งหนึ่งที่ตอบสนองต่อการติดฉลากเด็ดขาดตัวแปรข้อมูลและผลที่ได้คือการจัดในรูปแบบของต้นไม้เป็น รูปที่ 3.1, 3.2 และ 3.3 แสดงสามต้นการตัดสินใจคำนวณสำหรับชุดข้อมูลที่อธิบายไว้ก่อนหน้าในบทนี้ โหนดใบตรงกับค่าที่เป็นไปของตัวแปรการตอบสนอง ไม่ใบ

ผลลัพธ์ (ไทย) 3:

3.2 การเรียนรู้ต้นไม้ตัดสินใจ

การเรียนรู้ต้นไม้ตัดสินใจเป็นเทคนิคการเรียนรู้แบบมีเป้าหมายที่การอินสแตนซ์ขึ้นอยู่กับตัวแปรตัวแปร มีหนึ่งอย่างแท้จริงตอบสนองการติดฉลากตัวแปรข้อมูลและผลที่ได้ก็คือ จัดในรูปแบบของต้นไม้ ตัวเลขที่ 3.1 , 3.2 , 3.3 แสดงสามต้นคำนวณการตัดสินใจสำหรับชุดข้อมูลที่อธิบายไว้ก่อนหน้านี้ในบทนี้ใบ ( สอดคล้องกับค่าที่เป็นไปได้ของการตอบสนองตัวแปร
ใบโนน