In the third experiment, we again e

In the third experiment, we again executed all the classification
algorithms using tenfold cross-validation and the
rebalanced training files (using The SMOTE algorithm)
with only the best 15 attributes. The results obtained after
re-executing the 10 classification algorithms using tenfold
cross-validation are summarized in Table VI. If we analyse
and compare this table with the previous IV and V, we
can observe that over half of the algorithms have increased
the values obtained in all the evaluation measures, and
some of them also obtain the new best maximum values
in almost all measures except accuracy. The algorithms that
have obtained the best results are Prism, OneR and ADTree
again.

ผลลัพธ์ (ไทย) 1:

ในการทดลองที่ 3 เราอีกดำเนินการจัดประเภทอัลกอริทึมที่ใช้ข้าม tenfold ตรวจสอบและแฟ้มฝึกอบรม rebalanced (การใช้อัลกอริทึมก็ตบ)มีเฉพาะสุด 15 แอตทริบิวต์ ผลได้รับหลังจากการดำเนินการจัดประเภทที่ 10 อัลกอริทึมโดยใช้ tenfoldระหว่างตรวจสอบสามารถสรุปได้ในตารางวี ถ้าเราวิเคราะห์และเปรียบเทียบตารางนี้ IV และ V ก่อนหน้าเราสามารถสังเกตว่า กว่าครึ่งหนึ่งของอัลกอริทึมได้เพิ่มขึ้นค่าที่ได้รับในการประเมินผลมาตรการทุก และบางส่วนของพวกเขายังได้รับค่าสูงสุดใหม่ในวัดเกือบทั้งหมดยกเว้นความถูกต้อง อัลกอริทึมแบบที่ได้รับดีสุดผลลัพธ์คือ ปริซึม OneR และ ADTreeอีกครั้ง

ผลลัพธ์ (ไทย) 2:

ในการทดลองที่สามอีกครั้งที่เราดำเนินการทั้งหมดจำแนก
ขั้นตอนวิธีการใช้การตรวจสอบเป็นสิบเท่าข้ามและ
ไฟล์ปรับสมดุลการฝึกอบรม (โดยใช้ขั้นตอนวิธีการฆ่าฟัน)
มีเพียง 15 คุณลักษณะที่ดีที่สุด ผลที่ได้รับหลังจาก
เปิดการดำเนินการขั้นตอนวิธีการจัดหมวดหมู่ 10 สิบเท่าโดยใช้
การตรวจสอบข้ามได้สรุปไว้ในตารางที่หก หากเราจะวิเคราะห์
และเปรียบเทียบกับตารางนี้ IV V ก่อนหน้านี้และเรา
สามารถสังเกตเห็นว่ากว่าครึ่งหนึ่งของขั้นตอนวิธีได้เพิ่ม
ค่าที่ได้ในทุกมาตรการการประเมินผลและ
บางส่วนของพวกเขายังได้รับค่าสูงสุดใหม่ที่ดีที่สุด
ในมาตรการเกือบทั้งหมดยกเว้น ความถูกต้อง ขั้นตอนวิธีการที่
ได้รับผลที่ดีที่สุดคือปริซึม Oner และ ADTree
อีกครั้ง

ผลลัพธ์ (ไทย) 3:

ในการทดลองที่สามเราอีกครั้งดำเนินการขั้นตอนวิธีการทั้งหมดใช้เป็นสิบเท่าข้ามการตรวจสอบและจำแนก

rebalanced ไฟล์ ( โดยใช้ขั้นตอนวิธีการประหาร )
ที่ดีที่สุดเท่านั้น 15 แอตทริบิวต์ ผลลัพธ์ที่ได้หลังจาก
Re รัน 10 การจำแนกขั้นตอนวิธีที่ใช้ในการตรวจสอบ สรุป 10 เท่า
ข้ามโต๊ะ ถ้าเราวิเคราะห์
VIและเปรียบเทียบกับตารางนี้ก่อน 4 และ 5 เรา
สามารถสังเกตได้ว่า กว่าครึ่งหนึ่งของอัลกอริทึมได้เพิ่มขึ้น
ได้ในมาตรการทั้งหมด การประเมินผล และบางส่วนของพวกเขายังได้รับ

ค่าสูงสุดใหม่ที่ดีที่สุดในมาตรการเกือบทั้งหมด ยกเว้น ความถูกต้อง อัลกอริทึมที่
ได้รับผลลัพธ์ที่ดีที่สุดและปริซึมโดย adtree
อีกครั้ง