ต้นไม้การตัดสินใจจะทำการจัดกลุ่ม (c

ต้นไม้การตัดสินใจจะทำการจัดกลุ่ม (classify) ชุดข้อมูลนำเข้าในแต่ละกรณี (Instance) แต่ละบัพ (node) ของต้นไม้การตัดสินใจคือตัวแปร (attribute) ต่างๆของชุดข้อมูล เช่นหากต้องการตัดสินใจว่าจะไปเล่นกีฬาหรือไม่ก็จะมีตัวแปรต้นที่จะต้องพิจารณาคือ ทัศนียภาพ ลม ความชื้น อุณหภูมิ เป็นต้น และมีตัวแปรตามซึ่งเป็นผลลัพธ์จากต้นไม้คือการตัดสินใจว่าจะไปเล่นกีฬารึเปล่า ซึ่งแต่ละตัวแปรนั้นก็จะมีค่าของตัวเอง (value) เกิดเป็นชุดของตัวแปร-ค่าของตัวแปร (attribute-value pair) เช่น ทัศนียภาพเป็นตัวแปร ก็อาจมีค่าได้เป็น ฝนตก แดดออก หรือการตัดสินใจว่าจะไปเล่นกีฬารึเปล่านั้นก็อาจมีค่าได้เป็นใช่ กับ ไม่ใช่ เป็นต้น การทำนายประเภทด้วยต้นไม้ตัดสินใจ จะเริ่มจากบัพราก โดยทดสอบค่าตัวแปรของบัพ แล้วจึงตามกิ่งของต้นไม้ที่กำหนดค่า เพื่อไปยังบัพลูกถัดไป การทดสอบนี้จะกระทำไปจนกระทั่งเจอบัพใบซึ่งจะแสดงผลการทำนาย

ผลลัพธ์ (อังกฤษ) 1:

Decision trees are grouped (classify) the import data series in each case (Instance) each non-leaf (node) of the decision tree is a variable (attribute) of the series. Wind, humidity, temperature, etc., scenery and has a variable based on the resulting from the trees is to decide whether to play sports naked? Which each variable, it will have its own value (value) was born as a series of variable-a variable's value (attribute-value pair) View a variable value may also be rain and Sun off or decide to play a sport that not only might there be to not, etc. Prediction by decision tree starts from non-root, non-variable value tests. To navigate to the next ball, non This test is done to see that until the non-predictive display.

ผลลัพธ์ (อังกฤษ) 2:

Decision tree is organized as a group (classify) Import data sets in each case (Instance) each node (node) of the decision tree is variable (attribute) of data sets. For example, to decide whether to play or not, it is a variable to consider is the scenery, wind, humidity, temperature, etc., and the dependent variable as a result of the decision tree is going to play me. Each variant will have its own value (value) of a set of variables - the value of the variable. (Attribute-value pair) as either a variable. It may be a rain out or decided to play me, they may have the right to not be as predictive of a decision tree. It starts from the root node The test parameters of Baptism Then the branches of a tree configuration. To go to the next node. This test is done until no leaf node, which shows the predicted result.

ผลลัพธ์ (อังกฤษ) 3:

The decision tree will be grouped (classify) sets the input data in each case (Instance), each node (node) of trees, the decision is variable. (attribute) of various data sets.View the wind, humidity, temperature, etc., and a dependent variable, which results from the tree is to decide to go play? Each variable will have the value of its own (value) is the set of variables - the value of the variable (attribute-value pair).The scenery is variable, there may be a rain and sunshine, or the decision to go to play? It may have a right and not. Etc. prediction decision tree type with starts from the root node by test parameters of BaP.To go to the next node. This test is done to the node leaves, which will show until I found a prediction.