งานวิจัยนี้มีวัตถุประสงค์ เพื่อศึกษ

งานวิจัยนี้มีวัตถุประสงค์ เพื่อศึกษาอัลกอริทึม decision tree เพื่อจำแนกข้อมูลเห็ดโดยทำการสุ่มข้อมูลออกมาเป็นจำนวน 100 , 500 และ 1000 ข้อมูล แล้วนำเข้าอัลกอริทึม Random Forest โดยจะทำการสุ่มจำนวนต้นไม้แล้วทำการดูค่าความสำคัญของแอททริบิวต์ที่ก่อให้เกิดการรวมตัวกันของโหนดและใบไม้ในป่าสุ่ม ถ้าแอททริบิวต์ใดมีค่าตั้งแต่ 0-0.99 จะทำการลบแอททริบิวต์นั้นออกจากข้อมูลแล้วนำข้อมูลไปเข้าอัลกอริทึม decision tree เพื่อเปรียบเทียบขนาดของต้นไม้และค่าความถูกต้อง โดยผลการทดลองพบว่าเมื่อสุ่มข้อมูลที่ 100 ข้อมูลสามารถลดขนาดของต้นไม้ได้และค่าความถูกต้องไม่ลดลง ถ้าต้นไม้ตัดสินใจมีขนาดเล็กลง จะช่วยลดความซับซ้อนของข้อมูล ทำให้ผลลัพธ์ที่ได้มีค่าความถูกต้องสูง

ผลลัพธ์ (อังกฤษ) 1:

This research aims to study the decision tree algorithm for data classification, data by random mushrooms out of 100, 500 and 1000, and then importing the Random Forest algorithm is random number of trees, and then view the value of the attribute that caused the incorporation of the node and leaf in the forest, random. If any attributes with values ranging from 0-NN0D99 to remove the attribute from the data, and then import data into decision tree algorithm to compare the size of the tree and the accuracy. By the results of the experiment showed that when random information that tree 100 data can reduce the size of, and the value must not be reduced. If the decision tree smaller will reduce the complexity of the data. The result is high accuracy value.

ผลลัพธ์ (อังกฤษ) 2:

This research aims To learn algorithms decision tree for classification mushrooms by sampling data from a total of 100, 500 and 1000, and then import algorithm Random Forest by a random number of trees and then look at the importance of tourism. attribute that contributes to the integration of nodes and leaves in a random forest. If an attribute's value from 0 to 0.99 will remove any attributes that are created from the data and information to the decision tree algorithm to compare the size of the tree and the accuracy. The results showed that the 100 data sampling can reduce the size of the tree and the accuracy is reduced. If the decision tree smaller. It reduces the complexity of data. Thus the results are highly accurate.

ผลลัพธ์ (อังกฤษ) 3:

The purpose of this research is to study the algorithm decision tree to classified mushroom by random data out of a number, 100 loAnd 500 1000 data and import Random algorithm Forest the random number and the trees look the important attribute which cause the combination of nodes and the leaves in the forest at random. If the attribute, which ranged from 0-0.99 deleting attributes from the information and data to decision tree algorithm to compare the size of the tree and the accuracy. The results showed that when the random data 100.If the tree is smaller. Will help reduce the complexity of the data. The results are highly accurate.