Recent advances in computing techno

Recent advances in computing technology in terms of speed, cost, as well as access to tremendous amounts of computing power and the ability to process huge amounts of data in reasonable time has spurred increased in data mining applications to extract useful knowledge from data. Machine learning has been one of the methods used in most of these data mining application. It is widely acknowledged that about 80% of the resources in a majority of data mining applications are spent on cleaning and preprocessing the data. However, there have been relatively few studies on preprocessing data used as input in these data mining systems. In this study. we evaluate several inter-class as well as probabilistic distance-based feature selection methods as to their effectiveness in preprocessing input data for inducing decision trees. we use real-word data to evaluate these feature selection methods. Results from this study show that inter-class distance measures result in better performance compared to probabilistic measures, in general.

ผลลัพธ์ (ไทย) 1:

ความก้าวหน้าล่าสุดในคอมพิวเตอร์เทคโนโลยีในแง่ของความเร็ว ต้นทุน ตลอดจนถึงคำนวณจำนวนมหาศาลและความสามารถในการประมวลผลจำนวนมากของข้อมูลในเวลาที่เหมาะสมได้กระตุ้นเพิ่มขึ้นในโปรแกรมประยุกต์การทำเหมืองข้อมูลเพื่อดึงความรู้ที่มีประโยชน์จากข้อมูล เรียนรู้เครื่องจักรได้รับวิธีใช้ของโปรแกรมประยุกต์การทำเหมืองข้อมูลเหล่านี้ อย่างกว้างขวางยอมรับว่า ประมาณ 80% ของทรัพยากรในส่วนใหญ่ของโปรแกรมประยุกต์การทำเหมืองข้อมูลที่ใช้ทำความสะอาด และการประมวลผลเบื้องต้นข้อมูล อย่างไรก็ตาม มีการศึกษาค่อนข้างน้อยในการประมวลผลเบื้องต้นการป้อนข้อมูลในระบบเหมืองข้อมูลเหล่านี้ ในการศึกษานี้ เราประเมินหลายวิธีเลือกระหว่างชั้น ตลอดจน probabilistic ระยะตามลักษณะการทำงานกับประสิทธิภาพในการประมวลผลเบื้องต้นข้อมูลป้อนเข้าสำหรับ inducing ต้นไม้ตัดสินใจ เราใช้ข้อมูลจริงคำเพื่อประเมินวิธีการเลือกคุณลักษณะเหล่านี้ ผลจากการศึกษาแสดงว่า ระยะห่างระหว่างชั้นวัดผลในประสิทธิภาพเปรียบเทียบกับมาตรการ probabilistic ทั่วไป

ผลลัพธ์ (ไทย) 2:

ความก้าวหน้าในเทคโนโลยีคอมพิวเตอร์ในแง่ของความเร็วค่าใช้จ่ายเช่นเดียวกับการเข้าถึงจำนวนมากของการคำนวณพลังงานและความสามารถในการประมวลผลข้อมูลจำนวนมากในเวลาที่เหมาะสมมีการกระตุ้นการเพิ่มขึ้นในการใช้งานการทำเหมืองข้อมูลเพื่อดึงความรู้ที่มีประโยชน์จากข้อมูล การเรียนรู้เครื่องได้รับหนึ่งในวิธีการที่ใช้ในส่วนของแอพลิเคชันเหล่านี้การทำเหมืองข้อมูล เป็นที่ยอมรับกันอย่างกว้างขวางว่าประมาณ 80% ของทรัพยากรในส่วนของการใช้งานการทำเหมืองข้อมูลมีการใช้จ่ายในการทำความสะอาดและ preprocessing ข้อมูล อย่างไรก็ตามมีการศึกษาค่อนข้างน้อยกับข้อมูล preprocessing ใช้เป็นข้อมูลในระบบเหล่านี้การทำเหมืองข้อมูล ในการศึกษานี้ เราประเมินระหว่างหลายระดับเช่นเดียวกับระยะทางที่ใช้น่าจะเป็นวิธีการเลือกคุณลักษณะที่จะมีประสิทธิภาพในการป้อนข้อมูล preprocessing ในการกระตุ้นการตัดสินใจของต้นไม้ เราจะใช้ข้อมูลจริงคำในการประเมินคุณลักษณะวิธีการคัดเลือกเหล่านี้ ผลลัพธ์ที่ได้จากการศึกษาครั้งนี้แสดงให้เห็นว่ามาตรการระยะระหว่างระดับส่งผลให้ประสิทธิภาพที่ดีขึ้นเมื่อเทียบกับความน่าจะเป็นมาตรการในทั่วไป

ผลลัพธ์ (ไทย) 3:

ความก้าวหน้าล่าสุดในเทคโนโลยีคอมพิวเตอร์ในแง่ของความเร็วค่าใช้จ่ายเช่นเดียวกับการเข้าถึงพลังมหาศาลและการคำนวณในกระบวนการขนาดใหญ่ปริมาณของข้อมูลในเวลาที่เหมาะสมได้กระตุ้นเพิ่มขึ้นในการใช้งานเหมืองข้อมูลเพื่อสกัดความรู้ที่เป็นประโยชน์จากข้อมูล การเรียนรู้ของเครื่องได้รับหนึ่งของวิธีการที่ใช้ในส่วนใหญ่ของเหล่านี้การทำเหมืองข้อมูลประยุกต์มันเป็นที่ยอมรับอย่างกว้างขวางว่าประมาณ 80% ของทรัพยากรในส่วนใหญ่ของการประยุกต์ใช้เหมืองข้อมูลจะใช้เวลาในการทำความสะอาดและการเตรียมข้อมูล อย่างไรก็ตาม มีการศึกษาค่อนข้างน้อยในการเตรียมข้อมูลที่ใช้เป็นข้อมูลในระบบการทำเหมืองข้อมูลเหล่านี้ ในการศึกษานี้เราประเมินหลายชั้น รวมทั้งการระยะห่างระหว่างใช้วิธีการคัดเลือกคุณสมบัติเพื่อประสิทธิภาพของพวกเขาในการเตรียมข้อมูลเพื่อกระตุ้นการตัดสินใจต้นไม้ . เราใช้ข้อมูลคำจริงเพื่อประเมินคุณลักษณะเหล่านี้ การเลือกวิธี ผลจากการศึกษานี้แสดงให้เห็นว่า อินเตอร์ คลาสระยะทางมาตรการที่ส่งผลในประสิทธิภาพดีกว่าเมื่อเทียบกับมาตรการการทั่วไป