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 (อังกฤษ) 1:

This research has offered to reduce the size of the data by using the Random Forest algorithm with the purpose to reduce the size of the tree that is created by using the Decision Tree algorithm to recognize a mushroom by the random data as the number of 100, 500 and 1000, and then import a Random number of random Forest, the trees and then look up the importance of the attribute that caused the incorporation of the node and leaf in the random forest (mean decrease in Gini) if any attribute has a value ranging from 0-NN0D99 to remove the attribute from the trip data, and then import data into Decision Tree algorithm to compare the size of Dalian.Namai, and accuracy. Experimental results showed that when random data at 100 and 500. Information can reduce the size of the tree, and the value must not be reduced.

ผลลัพธ์ (อังกฤษ) 2:

This research proposes a reduction of the data using the Random Forest algorithm aims. To reduce the size of the tree that are created using algorithms Decision Tree for classification mushrooms by sampling data from a total of 100, 500 and 1000, and then import the Random Forest by a random number of trees and then see the value. The importance of the attribute that contributes to the integration of nodes and leaves Stallion (mean decrease in Gini) If attribute any value from 0 to 0.99 will delete @ attribute information from the data. to the Decision Tree algorithm to compare the size of the tree and the accuracy. The results showed that when sampling at 100 and 500. Data can reduce the size of the tree and the accuracy is reduced.

ผลลัพธ์ (อังกฤษ) 3:

This research proposes to reduce the size of the data using an algorithm Random Forest by purpose. In order to reduce the size of the trees built by the algorithm Decision Tree classified information by the สุ่มข้อมูลออก as the mushroom, 100And 500 1000 data and import Random Forest the random number and the tree view the value significance of แอตท attributes that cause the combination of nodes and the leaves in the forest at random. (mean decrease in Gini) if the attributes which ranged from 0-0.99 will delete the attribute from the information and data to Decision Tree algorithm to เปรียบเทียบขนาด of trees and the accuracy. The results showed that when the random data and 100 500.