uses Gini Index as an attribute sel

uses Gini Index as an attribute selection measure to
build a decision tree .Unlike ID3 and C4.5 algorithms, CART
produces binary splits. Hence, it produces binary trees. Gini
Index measure does not use probabilistic assumptions like ID3,
C4.5. CART uses cost complexity pruning to remove the
unreliable branches from the decision tree to improve the
accuracy.

ผลลัพธ์ (ไทย) 1:

ใช้ดัชนี Gini วัดการเลือกแอททริบิวต์เพื่อสร้างต้นไม้ตัดสินใจ ต่างจาก ID3 และ C4.5 อัลกอริทึม รถเข็นสร้างแยกไบนารี ดังนั้น มันผลิตต้นไม้ทวิภาค Giniวัดดัชนีใช้สมมติฐาน probabilistic เช่น ID3ตะกร้า C4.5 ใช้ตัดต้นทุนความซับซ้อนเอาการสาขาน่าจากต้นไม้การตัดสินใจเพื่อปรับปรุงการความถูกต้อง

ผลลัพธ์ (ไทย) 2:

ใช้ดัชนี Gini เป็นมาตรการการเลือกคุณลักษณะที่จะ
สร้างต้นไม้ตัดสินใจซึ่งแตกต่างจาก ID3 และขั้นตอนวิธี C4.5, รถเข็น
ผลิตแยกไบนารี จึงผลิตต้นไม้ไบนารี Gini
ดัชนีชี้วัดไม่ได้ใช้สมมติฐานที่น่าจะเป็นเช่น ID3,
C4.5 รถเข็นที่ใช้ค่าใช้จ่ายในการตัดแต่งกิ่งซับซ้อนที่จะเอา
กิ่งไม้ที่ไม่น่าเชื่อถือจากต้นไม้การตัดสินใจที่จะปรับปรุง
ความถูกต้อง

ผลลัพธ์ (ไทย) 3:

การใช้ดัชนีจินีเป็นคุณลักษณะที่เลือกวัด

สร้างโครงสร้างการตัดสินใจ ซึ่งแตกต่างจากโปรแกรม C4.5 ขั้นตอนวิธีและ ID3 , รถเข็น
ผลิตแยกไบนารี ดังนั้นจึงก่อให้เกิดต้นไม้ไบนารี วัดดัชนี Gini
ไม่ได้ใช้สมมติฐานความน่าจะเป็นเช่น ID3 ,
โปรแกรม C4.5 . รถเข็นใช้ความซับซ้อนค่าใช้จ่ายตัดเอากิ่งของต้น

ใจเพื่อปรับปรุงความถูกต้อง