ConclusionThis paper has presented

Conclusion
This paper has presented a correlation-based approach
to feature selection for machine learning and compared
it with the wrapper|a well known feature selection
technique that uses the target learning algorithm to
guide its search for good features. The experiments
have shown that, in many cases, CFS gives results that
are comparable or better than the wrapper. Because
CFS makes use of all the training data at once, it can

ผลลัพธ์ (ไทย) 1:

บทสรุปเอกสารนี้ได้นำเสนอวิธีการใช้ความสัมพันธ์การเลือกคุณลักษณะเครื่องเรียน และเปรียบเทียบด้วยการเลือกคุณลักษณะรู้จัก wrapper|aเทคนิคที่ใช้อัลกอริทึมการเรียนรู้เป้าหมายคู่มือค้นหาคุณลักษณะที่ดี การทดลองได้แสดงให้เห็นว่า ในหลายกรณี CFS ให้ผลลัพธ์ที่จะเทียบเท่า หรือดีกว่าที่กระดาษห่อ เนื่องจากCFS ทำให้สามารถใช้ข้อมูลการฝึกอบรมทั้งหมดในครั้งเดียว มัน

ผลลัพธ์ (ไทย) 2:

สรุป
งานวิจัยนี้ได้นำเสนอวิธีการที่ใช้ความสัมพันธ์
ที่จะมีตัวเลือกสำหรับการเรียนรู้เครื่องและเมื่อเทียบ
กับเสื้อคลุม | ที่รู้จักกันดีการเลือกคุณลักษณะ
เทคนิคที่ใช้วิธีการเรียนรู้เป้าหมายที่จะ
เป็นแนวทางในการค้นหาสำหรับคุณสมบัติที่ดี การทดลอง
ได้แสดงให้เห็นว่าในหลายกรณี CFS ให้ผลที่
ใกล้เคียงหรือดีกว่าเสื้อคลุม เพราะ
CFS ทำให้การใช้ข้อมูลทั้งหมดที่การฝึกอบรมในครั้งเดียวก็สามารถ

ผลลัพธ์ (ไทย) 3:

สรุป
กระดาษได้แสดงความสัมพันธ์ตามวิธีการเพื่อการเรียนรู้
คุณลักษณะเครื่องเทียบกับกระดาษห่อ |

รู้จักคุณลักษณะการเลือกเทคนิคที่ใช้เป้าหมายการเรียนรู้ขั้นตอนวิธีการค้นหาของสำหรับ
คู่มือคุณลักษณะที่ดี การทดลอง
ได้แสดงให้เห็นว่า ในหลายกรณี โฆษณาให้ผลลัพธ์ที่
ทัดเทียม หรือดีกว่ากระดาษห่อ เพราะ
โฆษณาที่ทำให้การใช้ข้อมูลการฝึกอบรมทั้งหมดในครั้งเดียว มันสามารถ