เทคนิคในการแยกประเภทข้อมูล โดยมีเป้

เทคนิคในการแยกประเภทข้อมูล โดยมีเป้าหมายในการทำนายหรือแยกข้อมูลให้อยู่ในกลุ่มที่กำหนดมาให้ โดยงานวิจัยนี้นำเสนอเกี่ยวกับการแยกประเภทข้อมูลโดยใช้เทคนิคต้นไม้ตัดสินใจ (Decision Trees) และเทคนิคการทำโครงข่ายประสาทเทียม (Neural Network) โดยใช้ชุดข้อมูลมาจาก UCI Machine Learning Repository จำนวน 150 ชุดข้อมูลและเลือกแอตทรีบิวต์ออกแบ่งคลาสมาเปรียบเทียบประสิทธิภาพในการจำแนกประเภทข้อมูล โดยใช้ J48 และ MultilayerPerceptron มาทำการทดสอบวัดประสิทธิภาพความถูกต้องและนำมาเปรียบเทียบ ซึงผลการทดลองทั้ง 150 ชุด ผลการวิจัยพบว่า การทดสอบโดยใช้เทคนิคต้นไม้ตัดสินใจ (Decision Trees) ของอัลกอริทึม J48 มีประสิทธิภาพความถูกต้องเฉลี่ย 96% เมื่อนำมาเปรียบเทียบกับเทคนิคการทำโครงข่ายประสาทเทียม(Neural Network)ของอัลกอริทึม MultilayerPerceptron ซึ่งมีประสิทธิภาพความถูกต้องที่ดีกว่าคือ 97.33%

ผลลัพธ์ (อังกฤษ) 1:

A technique for classifying information, with the goal of interpreting or extract data in the given group. By this proposed research on classifying data by using decision trees. (Decision Trees), and the techniques for making artificial neural network (Neural Network) using data from the UCI Machine Learning Repository number 150 series and select the totri class breaks out the attribute comparison of performance data using the J48 classification and performance test for MultilayerPerceptron accuracy.Each compared Other experimental results, all 150 sets of research found that testing by decision (Decision Trees)-trees of the powerful J48 algorithm accuracy average 96% when compared with the technique of making artificial neural network (Neural Network) of the MultilayerPerceptron algorithm, which performs better accuracy is 97.33%

ผลลัพธ์ (อังกฤษ) 2:

Techniques to classify data The goal is to predict or split in the group assigned to. This research presentation on classified data using decision tree (Decision Trees) and techniques of artificial neural networks (Neural Network) using data sets from the UCI Machine Learning Repository, 150 series and select. The tree attribute the share class performance compared to the classification of data using J48 and MultilayerPerceptron. The tests measure the efficiency, accuracy and compared. The results of the study showed that the 150 series. Tests using a decision tree (Decision Trees) algorithm J48 of effective accuracy average 96% when compared with the techniques of artificial neural networks (Neural. Network) of the algorithm. MultilayerPerceptron The effective accuracy is better than 97.33%.

ผลลัพธ์ (อังกฤษ) 3:

Technique of classification data. With the goal of predicting or information extraction in the set. This research presents on the classification of data by using the decision tree method (Decision Trees).(Neural Network) using a data set from UCI Machine Learning Repository number 150 series and choose the at tribute out break class มาเปรียบเทียบ efficiency in data classification. And, by J48 MultilayerPerceptronExperimental results of both 150 Seung sets. The results showed that the test by decision tree method (Decision Trees) of the algorithms J48 effective 96% average accuracy compared with techniques to do artificial neural networks (Neural.MultilayerPerceptron. The effective accuracy was better 97.33%.