Firstly, the most important variabl

Firstly, the most important variables are extracted, and finally the solution is a
predictive model. In a first step is necessary to normalize the pattern set in the range
[−1, 1] and then apply the bisection method. Next you must carry out the study of the
weights in each one of the subsets obtained. The weights show us how in this case,
the data set can be divided in three different subsets by BM. Now, in each one of the
sets of patterns obtained, the most important variable in each one of the subsets are
showed by the weights using the algorithm for extraction [6, 16] and the importance
of the variables should be confirmed with the sensitivity analysis (see Table 1).

Kết quả (Việt) 1:

Trước hết, các biến quan trọng nhất được khai thác, và cuối cùng là giải pháp là mộtMô hình tiên đoán. Bước đầu tiên là cần thiết để bình thường hóa các mô hình trong phạm vi[−1, 1] và sau đó áp dụng phương pháp bisection. Tiếp theo bạn phải thực hiện nghiên cứu của cáctrọng lượng trong mỗi một trong các tập hợp con thu được. Trọng lượng hiển thị chúng tôi làm thế nào trong trường hợp này,tập hợp dữ liệu có thể được chia thành ba tập con khác nhau bởi BM. Bây giờ, trong mỗi một trong cácbộ mô hình thu được, các biến quan trọng nhất trong mỗi một trong số các tập concho thấy bởi trọng lượng bằng cách sử dụng các thuật toán cho khai thác [6, 16] và tầm quan trọngcủa các biến nên được xác nhận với phân tích độ nhạy (xem bảng 1).

Kết quả (Việt) 2:

Thứ nhất, các biến quan trọng nhất được chiết xuất, và cuối cùng là giải pháp là một
mô hình dự đoán. Trong bước đầu tiên là cần thiết để bình thường hóa các mô hình thiết lập trong khoảng
[-1, 1] và sau đó áp dụng phương pháp chia làm hai đoạn. Tiếp theo, bạn phải thực hiện các nghiên cứu về
trọng lượng trong mỗi một trong số các tập con thu được. Các trọng cho chúng ta như thế nào trong trường hợp này,
các tập dữ liệu có thể được chia thành ba tập con khác nhau của BM. Bây giờ, trong mỗi một trong những
bộ mẫu thu được, các biến quan trọng nhất trong mỗi một trong những tập con được
cho thấy bởi các trọng bằng cách sử dụng các thuật toán để khai thác [6, 16] và tầm quan trọng
của các biến phải được xác nhận với các phân tích độ nhạy (xem Bảng 1).