CBC inherits some favorable charact

CBC inherits some favorable characteristics from associative rule algorithms and decision trees. For example, the punning function is able to prevent over-fitting and maintain a balance between training accuracy and model complexity. On the other hand CBC also has a few disadvantages similar to associative rule algorithms. First, the attributes have to be categorical or need to be discretized. Discretization may
cause information lost, and, therefore, might have a negative impact on accuracy. Second, associative rules are often generated in a bruteforce mode, and, therefore, the efficiency becomes a concern for highdimensional data. To solve this issue, one can perform feature selection
to reduce the number of attributes. Also, one can limit the length of rule
conditions to avoid expensive computations

Kết quả (Việt) 2:

CBC kế thừa một số đặc điểm thuận lợi từ các thuật toán quy tắc kết hợp và cây quyết định. Ví dụ, các chức năng punning có thể ngăn chặn quá phù hợp và duy trì một sự cân bằng giữa độ chính xác và đào tạo mô hình phức tạp. Mặt khác CBC cũng có một vài bất lợi tương tự như thuật toán quy tắc kết hợp. Đầu tiên, các thuộc tính phải được phân loại hoặc không cần được rời rạc hóa. Rời rạc có thể
gây ra mất mát thông tin, và, do đó, có thể có một tác động tiêu cực đến độ chính xác. Thứ hai, các quy tắc kết hợp thường được tạo ra trong một chế độ bruteforce, và, do đó, hiệu quả trở nên một mối quan tâm cho dữ liệu highdimensional. Để giải quyết vấn đề này, người ta có thể thực hiện các lựa chọn tính năng
để giảm số lượng các thuộc tính. Ngoài ra, người ta có thể giới hạn độ dài của quy
tắc, điều kiện tránh tính toán đắt tiền