Example-based techniquesExample-bas

Example-based techniques
Example-based techniques represent knowledge implicitly within a decision struc-
ture of a classification system. This may be a decision tree, in the case of an induct-
ive learning approach such as ID3 [298], or links in a network in the case of neural
networks. The decision structure is constructed automatically based on examples
presented to the classifier. The classifiers effectively detect recurrent features within
the examples and are able to use these to classify other input. An example may be a
trace of user activity:

Kết quả (Việt) 1:

Ví dụ dựa trên kỹ thuậtVí dụ dựa trên kỹ thuật đại diện cho kiến thức ngầm trong vòng một quyết định struc-Ture của một hệ thống phân loại. Điều này có thể là một cây quyết định, trong trường hợp một induct-Ive học cách tiếp cận như ID3 [298], hoặc liên kết trong một mạng lưới trong trường hợp của thần kinhmạng. Cơ cấu quyết định được xây dựng tự động dựa trên ví dụgiới thiệu cho loại. Các máy phân loại có hiệu quả phát hiện các tính năng thường xuyên trong vòngCác ví dụ và có thể sử dụng các phân loại đầu vào khác. Một ví dụ có thể là mộtdấu vết của hoạt động người dùng:

Kết quả (Việt) 2:

Ví dụ kỹ thuật dựa trên
các kỹ thuật ví dụ dựa trên biểu diễn tri thức ngầm trong một quyết định cấu
cấu của một hệ thống phân loại. Đây có thể là một cây quyết định, trong trường hợp của một induct-
phương pháp học tập ive như ID3 [298], hoặc liên kết trong một mạng lưới trong trường hợp của thần kinh
mạng. Các cấu trúc quyết định được xây dựng tự động dựa trên các ví dụ
được trình bày để phân loại. Việc phân loại hiệu quả phát hiện các đặc tính tái phát trong vòng
các ví dụ và có thể sử dụng để phân loại các đầu vào khác. Một ví dụ có thể là một
dấu vết của hoạt động người dùng: