งานวิจัยนี้ได้นำเสนอการลดขนาดของข้อ

งานวิจัยนี้ได้นำเสนอการลดขนาดของข้อมูลโดยใช้อัลกอริทึม Random Forest โดยมีวัตถุประสงค์ เพื่อลดขนาดของต้นไม้ที่สร้างขึ้นโดยใช้อัลกอริทึม Decision Tree เพื่อจำแนกข้อมูลเห็ดโดยทำการสุ่มข้อมูลออกมาเป็นจำนวน 100 , 500 และ 1000 ข้อมูล แล้วนำเข้า Random Forest โดยจะทำการสุ่มจำนวนต้นไม้แล้วทำการดูค่าค่าความสำคัญของแอตทริบิวต์ที่ก่อให้เกิดการรวมตัวกันของโหนดและใบไม้ในป่าสุ่ม (mean decrease in Gini) ถ้าแอตทริบิวต์ใดมีค่าตั้งแต่ 0-0.99 จะทำการลบแอทริบิวต์นั้นออกจากข้อมูลแล้วนำข้อมูลไปเข้าอัลกอริทึม Decision Tree เพื่อเปรียบเทียบขนาดของต้นไม้และค่าความถูกต้อง ผลการทดลองพบว่าเมื่อสุ่มข้อมูลที่100และ500 ข้อมูลสามารถลดขนาดของต้นไม้ได้และค่าความถูกต้องไม่ลดลง

ผลลัพธ์ (ไทย) 1:

งานวิจัยนี้ได้นำเสนอการลดขนาดของข้อมูลโดยใช้อัลกอริทึมสุ่มป่าโดยมีวัตถุประสงค์เพื่อลดขนาดของต้นไม้ที่สร้างขึ้นโดยใช้อัลกอริทึมต้นไม้การตัดสินใจเพื่อจำแนกข้อมูลเห็ดโดยทำการสุ่มข้อมูลออกมาเป็นจำนวน 100, 500 และ 1000 ข้อมูลแล้วนำเข้าสุ่มป่าโดยจะทำการสุ่มจำนวนต้นไม้แล้วทำการดูค่าค่าความสำคัญของแอตทริบิวต์ที่ก่อให้เกิดการรวมตัวกันของโหนดและใบไม้ในป่าสุ่ม (เฉลี่ยลดลงใน Gini) ถ้าแอตทริบิวต์ใดมีค่าตั้งแต่ 0 0.99 จะทำการลบแอทริบิวต์นั้นออกจากข้อมูลแล้วนำข้อมูลไปเข้าอัลกอริทึมต้นไม้การตัดสินใจเพื่อเปรียบเทียบขนาดของต้นไม้และค่าความถูกต้อง ผลการทดลองพบว่าเมื่อสุ่มข้อมูลที่100และ500 ข้อมูลสามารถลดขนาดของต้นไม้ได้และค่าความถูกต้องไม่ลดลง

ผลลัพธ์ (ไทย) 2:

ป่าสุ่มโดยมีวัตถุประสงค์ ต้นไม้การตัดสินใจ 100, 500 และ 1,000 ข้อมูลแล้วนำเข้าป่าสุ่ม (หมายถึงการลดลงของ Gini) ถ้าแอตทริบิวต์ใดมีค่าตั้งแต่ 0-0.99 ต้นไม้การตัดสินใจ

ผลลัพธ์ (ไทย) 3:

งานวิจัยนี้ได้นำเสนอการลดขนาดของข้อมูลโดยใช้อัลกอริทึมสุ่มป่าโดยมีวัตถุประสงค์เพื่อลดขนาดของต้นไม้ที่สร้างขึ้นโดยใช้อัลกอริทึมต้นไม้การตัดสินใจเพื่อจำแนกข้อมูลเห็ดโดยทำการสุ่มข้อมูลออกมาเป็นจำนวน 100500 และ 1000 ข้อมูลแล้วนำเข้าสุ่มป่าโดยจะทำการสุ่มจำนวนต้นไม้แล้วทำการดูค่าค่าความสำคัญของแอตทริบิวต์ที่ก่อให้เกิดการรวมตัวกันของโหนดและใบไม้ในป่าสุ่ม ( หมายถึงการลดลงถ้าแอตทริบิวต์ใดมีค่าตั้งแต่ Gini ) 0-099 จะทำการลบแอทริบิวต์นั้นออกจากข้อมูลแล้วนำข้อมูลไปเข้าอัลกอริทึมเพื่อเปรียบเทียบขนาดของต้นไม้และค่าความถูกต้องต้นไม้ตัดสินใจผลการทดลองพบว่าเมื่อสุ่มข้อมูลที่ 100 และ 500