Decision tree induction is one of t

Decision tree induction is one of the classification algorithms in data mining. The classification algorithm is inductively learned to construct a model from the pre-classified data set. Each data item is defined by values of the attributes. Classification may be viewed as mapping from a set of attributes to a particular class. The decision tree classifies the given data item using the values of its attributes. The decision tree is initially constructed from a set of pre-classified data. The main approach is to select the attributes, which best divides the data items into their classes. According to the values of these attributes the data items are partitioned. This process is recursively applied to each partitioned subset of the data items. The process terminates when all the data items in current subset belongs to the same class. A node of a decision tree specifies an attribute by which the data is to be partitioned. Each node has a number of edges, which are labeled according to a possible value of the attribute in the parent node. An edge connects either two nodes or a node and a leaf. Leaves are labeled with a decision value for categorization of the data.

Kết quả (Việt) 1:

Quyết định cây cảm ứng là một trong các thuật toán phân loại trong khai thác dữ liệu. Các thuật toán phân loại ăngten đã học được để xây dựng một mô hình từ các thiết lập dữ liệu phân loại trước. Mỗi mục dữ liệu được xác định bởi giá trị của các thuộc tính. Phân loại có thể được xem như là ánh xạ từ một tập hợp các thuộc tính cho một lớp học đặc biệt. Cây quyết định phân loại mục cho trước dữ liệu bằng cách sử dụng các giá trị của thuộc tính của nó. Cây quyết định ban đầu được xây dựng từ một tập hợp các dữ liệu phân loại trước. Cách tiếp cận chính là để chọn các thuộc tính, mà tốt nhất chia các dữ liệu vào lớp học của họ. Theo các giá trị của các thuộc tính các dữ liệu được phân chia. Quá trình này là đệ quy được áp dụng cho mỗi tập con partitioned các dữ liệu. Quá trình kết thúc khi tất cả các mục dữ liệu trong tập con hiện thời thuộc về cùng một lớp. Một nút của một cây quyết định chỉ định một thuộc tính mà dữ liệu là cần phân vùng. Mỗi nút có một số cạnh, được xếp theo một giá trị có thể của các thuộc tính trong nút phụ huynh. Một cạnh kết nối hai nút hoặc một nút và một lá. Lá được gắn nhãn với một quyết định đáng giá phân loại của dữ liệu.

Kết quả (Việt) 2:

Cây quyết định cảm ứng là một trong những thuật toán phân loại trong khai thác dữ liệu. Các thuật toán phân loại được quy nạp đã học để xây dựng một mô hình từ tập dữ liệu trước khi được phân loại. Mỗi mục dữ liệu được xác định bởi giá trị của các thuộc tính. Phân loại có thể được xem như là ánh xạ từ một tập hợp các thuộc tính cho một lớp học đặc biệt. Các cây quyết định phân loại các mục dữ liệu được sử dụng các giá trị của các thuộc tính của nó. Các cây quyết định được ban đầu được xây dựng từ một tập hợp các dữ liệu trước khi được phân loại. Các cách tiếp cận chính là để chọn các thuộc tính, mà tốt nhất chia các mục dữ liệu vào các lớp học của họ. Theo các giá trị của các thuộc tính của mục dữ liệu được phân chia. Quá trình này được đệ quy áp dụng cho từng nhóm phân chia của các mục dữ liệu. Quá trình kết thúc khi tất cả các mục dữ liệu trong tập hợp con hiện nay thuộc về cùng một lớp. Một node của một cây quyết định chỉ định một thuộc tính mà các dữ liệu được phân chia. Mỗi nút có một số cạnh, có nhãn ghi không theo một giá trị có thể có của các thuộc tính trong các nút cha. Một cạnh nối hoặc hai nút hoặc một nút và một lá. Lá được dán nhãn với một giá trị quyết định cho việc phân loại của dữ liệu.