อธิบายการทำงานของโมเดล1. การเก็บรวบ

อธิบายการทำงานของโมเดล
1. การเก็บรวบรวมข้อมูลจากฐานข้อมูล
รวบรวมข้อมูลของผู้ป่วยนอกที่เข้ารับการรักษาทางโรคจิตเวช ของภาควิชาจิตเวชศาสตร์ During January, 2003 to November, 2014
2. เตรียมข้อมูล
นำข้อมูลที่ได้มาทำ Data Integration, Cleansing data, Missing Value เพื่อให้ข้อมูลมีความสมบูรณ์มากยิ่งขึ้น
3. คัดเลือกข้อมูล
เมื่อได้ข้อมูลที่สมบูรณ์แล้ว จะทำการคัดเลือกข้อมูลเฉพาะข้อมูลที่เกี่ยวข้องกับการทำวิจัยเท่านั้น
4. สร้างชุดข้อมูล Training Data, Test Data
เป็นวิธีการแบ่งแยกกลุ่มข้อมูลซึ่งจะนำมาใช้ในการเรียนรู้ (Training) และ ทดสอบ (Testing) โดยจะทำการแบ่งออกเป็น อัตราส่วนร้อยละของข้อมูลเพื่อใช้ในโมเดลต่อไป
5. ขั้นตอนการสร้างโมเดล
กระบวนการสร้างโมเดลจะเริ่มจากการนำข้อมูลกลุ่มการเรียนรู้ (Training set) และ ทดสอบ (Testing set) เข้ามาคำนวณในแต่ละโมเดล Decision Tree, Naïve Bayes and Neural Network และนำผลของแต่ละโมเดลไปเปรียบเทียบประสิทธิภาพ
6. นำผลจากการวิเคราะห์มาเปรียบเทียบประสิทธิภาพ
ทำการสรุปผลการทดลองเบื้องต้นในทุกรูปแบบของ Cross-Validation และ ทุกตัวจำแนก (Classifiers) แล้วจึงมาทำการวัดผลในส่วนของ อัตราความถูกต้อง (Correct Percentage)
อัตราความผิดพลาด (Incorrect Percentage) อัตราความความถูกต้องเชิงบวก (True Positive Rate)
อัตราความถูกต้องเชิงลบ (True Negative Rate) อัตราความผิดพลาดเชิงบวก (False Positive Rate)
อัตราความผิดพลาดเชิงลบ (False Negative Rate) ระยะเวลาทั้งหมด (Run Times) ระยะเวลาในการ
เรียนรู้ (Training Times) ระยะเวลาในการทดสอบ (Testing Times)
7. สรุปผลจากการเปรียบเทียบประสิทธิภาพของโมเดล
ทำการสรุปผลในการเปรียบเทียบประสิทธิภาพของแต่ละโมเดล ว่าโมเดลไหนมีความแม่ยำในการวิเคราะห์จำแนกประเภทได้ดีกว่ากัน
8. นำผลไปใช้งาน
นำผลจากการสร้างโมเดลไปใช้เพื่อทำนายการเกิดโรคจิตเภท จากการใช้สารเสพติดและยาบ้า จากการทำเหมืองข้อมูลวิเคราะห์จำแนกประเภท

ผลลัพธ์ (อังกฤษ) 1:

Explain the operation of the model.1. collect data from the database. Gather the information of the out-patient treatment of psychiatric diseases and Department of Psychiatry During January, 2003 to November, 2014.2. prepare dataThe Data Integration data Cleansing, Data is Missing, the Value so that the data is more complete.3. the qualifying information.When you have completed the information, select the identity information that is associated with the research only. 4. create a Training data set Data, Test Data.As a way to differentiate a group that will be used in the learning (Training) and testing (Testing) will be divided by the ratio of the percent of the data to use in the next model.5. modeling step.The modeling process is started from the learning group information (Training set) and testing (Testing set) were calculated for each Decision Tree models, Naïve Bayes, Neural Network and performance of each model to compare performance.6. present result of analysis to compare performance.Perform a preliminary trial results summaries in all forms of Cross-Validation and all the classified (Classifiers), then came the measurement results in the best accuracy rate (Percentage Correct)Error rate (Incorrect Percentage) and positive accuracy rate (the True Positive Rate)The rate is negative (True Negative Rate) a positive error rate (False Positive Rate)The negative error rate (False Negative Rate) all the time (Run Times) period.Learning (Training Times) time test (Testing Times)7. Summary of results from a comparison of the performance of the model.Summarize the results in a comparison of the performance of each model. What kind of model parent yum were in better classification analysis.8. apply effects to.Leading results from the creation of a model used to predict the occurrence of schizophrenia. From use of the drug and methamphetamine from analytical data mining classification.

ผลลัพธ์ (อังกฤษ) 3:

Explain the function of the model, 1
. Collection of data from the database.
data outpatient treatment in psychiatry department of psychiatry, During January 2003, to November 2014
2.? Data preparation
analyzed do Data, IntegrationCleansing data Missing Value, so that data is even more complete, 3
. Data selection
when complete information. The selection of specific data information related to the research only
4. Data set, Training Data Test Data
.As a way to divide data group, which will be used in learning (Training) and test (Testing) the break out. Loading of data for use in the next model
5. Step modeling
.Modeling process will start from the learning group (Training set) and test (Testing set) to calculate in each model. Decision Tree Na ï, ve Bayes and Neural Network, the result of each model to compare the performance 6
.The results from the analysis to compare the results of preliminary experiment, all forms of discrimination and Cross-Validation every. (Classifiers), then the measure on the part of the accuracy rate (Correct Percentage)
.Bit error rate (Incorrect Percentage) rate accuracy positive (True Positive Rate)
(True Negative negative accuracy rate. Rate) positive error rate (False Positive Rate)
.Negative error rate (False Negative Rate) all the time (Run Times) period of
learn (Training Times) duration of test. (Testing Times)
7. Conclusion from comparing the performance of the model
.The results of comparing the performance of each model. That model has accuracy in discriminant analysis better than a
8. The results using
.The results from the modeling used to predict occurrence of schizophrenia. From substance use and crazy. From data mining analysis discriminant
.