Decision trees most commonly are un

Decision trees most commonly are univariate, i.e., they use splits based on a single attribute at each internal node. Multivariate decision trees can use splits that contain more than one attribute at each internal node. Though several methods have been developed in the literature for constructing multivariate trees, this body of work is not as well-known as that on univariate trees. We summarize below the directions work on automatically constructing multivariate trees has taken.

ผลลัพธ์ (ไทย) 1:

ต้นไม้การตัดสินใจมากที่สุดเป็นอย่างไร univariate เช่น ใช้แยกตามแอททริบิวต์หนึ่งในแต่ละโหนภายใน ต้นไม้ตัดสินใจตัวแปรพหุสามารถใช้แยกที่ประกอบด้วยมากกว่าหนึ่งคุณลักษณะที่แต่ละโหนภายใน แม้ว่าวิธีการต่าง ๆ ได้รับการพัฒนาในวรรณคดีสำหรับสร้างตัวแปรพหุต้นไม้ ร่างกายนี้ทำงานไม่เป็นรู้จักกันที่บนต้นไม้อย่างไร univariate เราสรุปด้านล่างทิศทางที่ได้ดำเนินการทำงานโดยอัตโนมัติในการสร้างตัวแปรพหุต้นไม้

ผลลัพธ์ (ไทย) 2:

ต้นไม้การตัดสินใจมากที่สุดคือ univariate คือพวกเขาใช้แยกขึ้นอยู่กับคุณลักษณะเดียวในแต่ละโหนดภายใน ต้นไม้การตัดสินใจหลายตัวแปรสามารถใช้แยกที่มีมากกว่าหนึ่งคุณลักษณะที่แต่ละโหนดภายใน แม้ว่าวิธีการต่างๆได้รับการพัฒนาในวรรณคดีในการสร้างต้นไม้หลายตัวแปรการทำงานของร่างกายนี้ไม่ได้เป็นที่รู้จักกันดีในฐานะที่อยู่บนต้นไม้ univariate เราสรุปดังต่อไปนี้ทิศทางการทำงานโดยอัตโนมัติสร้างต้นไม้หลายตัวแปรได้ดำเนินการ

ผลลัพธ์ (ไทย) 3:

ต้นไม้ การตัดสินใจส่วนใหญ่เป็นประชากร เช่น พวกเขาใช้แยกตามลักษณะเดียวในแต่ละภายในโหนด ต้นไม้การตัดสินใจสามารถใช้แยกที่ประกอบด้วยมากกว่าหนึ่งแอททริบิวต์ในแต่ละภายในโหนด แม้ว่าหลายวิธีได้ถูกพัฒนาขึ้นในวรรณกรรมเพื่อสร้างต้นไม้แบบร่างกายของงานนี้ไม่ได้เป็นที่รู้จักกันดีในกลุ่มต้นไม้เราสรุปด้านล่างเส้นทางทำงานโดยอัตโนมัติการสร้างต้นแบบ ได้ถ่าย