This technique is mainly based upon

This technique is mainly based upon the set of input and

output, which is a supervised technique. In order to classify

the document the set of input and output examples are used to

train the model, which is being used. The main objective is to

train the classifier on the basis of known examples then

unknown examples are categorized automatically. To

categorize the text a number of classification techniques can

be applied. Here NaIve Bayesian classifier and Nearest

Neighbour classifier are discussed.

ผลลัพธ์ (ไทย) 1:

เทคนิคนี้ส่วนใหญ่ขึ้นอยู่กับชุดของอินพุต และผลผลิต ซึ่งเป็นเทคนิคหนึ่งที่มี การจัดประเภท เอกสารชุดของอินพุท และเอาท์พุทตัวอย่างที่ใช้ในการ รถไฟรุ่น ซึ่งมีการใช้ วัตถุประสงค์หลักคือ รถไฟ classifier ตามตัวอย่างที่รู้จักแล้ว จะแบ่งตัวอย่างไม่รู้จักโดยอัตโนมัติ ถึง การจัดประเภทข้อความสามารถจำนวนประเภทเทคนิค สามารถใช้ ที่นี่ทฤษฎี NaIve classifier และใกล้ที่สุด Neighbour classifier จะกล่าวถึง

ผลลัพธ์ (ไทย) 2:

เทคนิคนี้เป็นไปตามหลักเมื่อชุดของอินพุทและเอาท์พุทซึ่งเป็นเทคนิคภายใต้การดูแล เพื่อที่จะจัดเอกสารชุดของอินพุทและเอาท์พุทตัวอย่างจะใช้ในการฝึกอบรมรุ่นที่จะถูกใช้ วัตถุประสงค์หลักคือการฝึกอบรมลักษณนามบนพื้นฐานของตัวอย่างที่รู้จักกันแล้วตัวอย่างที่ไม่รู้จักมีการแบ่งประเภทโดยอัตโนมัติ เพื่อจัดหมวดหมู่ข้อความจำนวนของเทคนิคการจำแนกประเภทสามารถนำมาประยุกต์ใช้ นี่ลักษณนาม Bayesian ไร้เดียงสาและใกล้ที่สุดลักษณนามเพื่อนบ้านที่จะกล่าวถึง