To identify correlations among the

To identify correlations among the 18 customer-complaint cat-
egories, the ‘Apriori’ algorithm was utilised as a data-mining tech-
nique. The complaint data were first classified with a Boolean-type
code (‘1’ or ‘0’). The Apriori algorithm was then applied using Eq.
(1) (below) to calculate the confidence from the two supports:

ผลลัพธ์ (ไทย) 1:

เพื่อระบุความสัมพันธ์ในหมู่ 18 ลูกค้าร้องเรียนแมว-
egories อัลกอริธึ 'aPriori ถูกใช้เป็นข้อมูลการทำเหมืองแร่ที่ใช้เทคโนโลยีชั้น-
nique ข้อมูลการร้องเรียนได้รับการจัดครั้งแรกกับบูลีนชนิดรหัส
('1 'หรือ '0') อัลกอริทึม aPriori ถูกนำมาใช้แล้วใช้ EQ
(1) (ด้านล่าง) ในการคำนวณความเชื่อมั่นจากทั้งสองสนับสนุน.

ผลลัพธ์ (ไทย) 2:

การระบุความสัมพันธ์ระหว่างแมวร้องลูกค้า 18-
egories, 'Apriori' อัลกอริทึมที่ใช้เป็นเทคนิคการทำเหมืองข้อมูลเป็น-
nique ข้อมูลร้องเรียนถูก classified first มีชนิดบูลีน
รหัส ('1' หรือ '0') อัลกอริทึม Apriori ถูกแล้วใช้ Eq.
(1) (ด้านล่าง) เพื่อคำนวณ confidence จากสนับสนุนสอง:

ผลลัพธ์ (ไทย) 3:

ในการระบุสัมพันธ์เชิงในหมู่ 18 ของลูกค้า - การร้องเรียนแมว -
egories ที่อัลกอริธึม'' apriori ได้เบิกจ่ายหรือใช้เป็นข้อมูลทางด้านเทคนิคการทำเหมืองแร่ -
nique ที่ ข้อมูลการร้องเรียนเป็น first classified พร้อมด้วยรหัสตัวปฏิบัติการ Boolean - พิมพ์
(' 1 'หรือ' 0 ') อัลกอริธึม apriori ที่ถูกนำไปใช้โดยใช้ EQ .
( 1 )(ด้านล่าง)เพื่อคำนวณตอบสนองจากสองรองรับแล้ว