Що таке DECISION TREES Українською - Українська переклад

• дерева рішень
• дерево рішень
• дерев рішень

Приклади вживання Decision trees Англійська мовою та їх переклад на Українською

Classification(decision trees, SVM, kNN).
Класифікація(дерева рішень, SVM, kNN).

Decision trees used in data mining are of two main types:.
Дерева рішень, використовувані в Data Mining, бувають двох основних типів:.

These criteria can be expressed in terms of the structure of knowledge such as decision trees and classification rules.
Такі критерії можуть бути виражені через такі структури знань, як дерева рішень та класифікаційні правила.

MARS: extends decision trees to handle numerical data better.
MARS: розширює дерева рішень для поліпшення обробки цифрових даних.

Next, the system was trained to assess the toxicity of the input data using the random forest algorithm that uses many decision trees.
Далі система навчалася оцінювати токсичність вхідних даних за допомогою алгоритму random forest, який використовує безліч дерев рішень.

Decision trees method is one of the most popular classification methods.
Дерево рішень(decision tree) є однією з найпопулярніших моделей класифікації.

The basics of decision analysis for exploration will be reviewed using sensitivities, decision trees, expected monetary value, and the value of information.
Основи аналізу рішень для розвідки будуть розглянуті з використанням чутливості, дерев рішень, очікуваної грошової вартості і цінності інформації.

The decision trees of this type are often used in the intellectual data analysis.
Подібні дерева рішень широко використовуються в інтелектуальному аналізі даних.

D( f){\displaystyle D(f)}, the deterministic decision tree complexity of f{\displaystyle f} is the smallest depth among all deterministic decision trees that compute f{\displaystyle f}.
D( f){\displaystyle D(f)}, складність детермінованого дерева рішень f{\displaystyle f} є найменшою глибиною серед всіх детерміністичних дерев рішень, які обчислюють f{\displaystyle f}.

Decision trees are classification or regression models in the form of a tree structure.
Дерево рішень будує моделі класифікації або регресії у вигляді деревоподібної структури.

Classification- This data mining technique differs from the above in a way that it is based on machine learning and uses mathematical techniques such as Linear programming, Decision trees, Neural network.
Класифікація- Ця методика вимірювання даних відрізняється від вищенаведеного таким чином, що вона базується на машинному вивченні та використовує математичні методи, такі як лінійне програмування, дерева рішень, нейронна мережа.

Decision trees- Within the decision tree, we start with a simple question that has multiple answers.
Рішення дерев- У дереві рішень ми починаємо з простого питання, що має декілька відповідей.

The obtained prediction accuracy of the CHF therapy effectiveness is 80% for discriminant analysis, 82.1% for robust discriminant analysis, 81.1% for nonlinear SVM, 89.5% for decision trees and 95.4% for boosting decision trees..
Методи класифікації показали наступну точність прогнозу ефективності лікування хворих ХСН: дискримінантний аналіз- 80%, робастний дискримінантний аналіз- 82,1%, нелінійний метод опорних векторів- 81,1%, дерева рішень- 89,5%, бустінг на деревах рішень- 95, 4%.

This paper puts decision trees in internal nodes of Bayes networks using Minimum Message Length(MML).
Ця праця ставить дерева рішень у внутрішніх вузлах баєсових мереж із застосуванням мінімальної довжини повідомлень(англ. MML).

In November 2009 a Russian search engine Yandex announced[32] that it had significantly increased its search quality due to deployment of a new proprietary MatrixNet algorithm, a variant of gradient boosting method which uses oblivious decision trees.[33] Recently they have also sponsored a machine-learned ranking competition"Internet Mathematics 2009"[34] based on their own search engine's production data.
У листопаді 2009 року російський пошуковий сервіс Яндекс оголосив,[1], що значно збільшив якість пошуку за рахунок розгортання нового власного алгоритму MatrixNet, варіанту методу градієнтного підвищення, який використовує невідомі дерева рішень.[2] 2009 року вони також виступили спонсором конкурсу МНР"Internet Mathematics 2009"[3] на основі власних даних їх пошукової системи.

Algebraic decision trees are a generalization of linear decision trees to allow test functions to be polynomials of degree d.
Алгебраїчні дерева рішень- це узагальнення лінійних дерев рішень, щоб тестові функції були поліномами ступеня d.

So we will learn about things like decision trees and game theory models and stuff like that, to just help us make better decisions and to strategize better.
Далі ми вивчимо такі моделі як дерева прийняття рішень, а також моделі з теорії ігор, які допоможуть нам приймати кращі рішення і краще планувати.

Decision trees models are instrumental in establishing lower bounds for computational complexity for certain classes of computational problems and algorithms: the lower bound for worst-case computational complexity is proportional to the largest depth among the decision trees for all possible inputs for a given computational problem.
Моделі дерев рішень допомагають встановлювати нижні межі для обчислювальної складності для деяких класів обчислювальних задач та алгоритмів: нижня межа складності для найгірших випадків пропорційна найбільшій глибині серед дерев рішень для всіх можливих входів даної обчислювальної задачі.

Standard analytics tools like linear regression, decision trees or hypothesis testing have different levels of mathematical needs but anyway they require a background in both logic and quantification, or generally math.
Стандартні аналітичні інструменти, такі як лінійна регресія, дерева рішень або тестування гіпотез, мають різний рівень математичних знань, але все одно вони вимагають досвід як в логіці, так і в кількісній оцінці або, як правило, в математиці.

Bagging decision trees, an early ensemble method, builds multiple decision trees by repeatedly resampling training data with replacement, and voting the trees for a consensus prediction.[4].
Дерево рішень«мішок», найбільш раннє дерево рішень, будує кілька дерев рішень, неодноразово інтерполюючи дані із заміною, і дерева голосувань для прогнозу консенсусу;[2].

Bootstrap aggregated(or bagged) decision trees, an early ensemble method, builds multiple decision trees by repeatedly resampling training data with replacement, and voting the trees for a consensus prediction.[7].
Дерево рішень«мішок», найбільш раннє дерево рішень, будує кілька дерев рішень, неодноразово інтерполюючи дані із заміною, і дерева голосувань для прогнозу консенсусу;[2].

A decision tree is a model used to solve classification and regression tasks.
Дерева рішень використовуються для опису даних задач класифікації та регресії.

Data Mining Decision Tree.
Дерево рішень обробки даних.

In this case the decision tree model is a binary tree..
У цьому випадку модель дерева рішень є бінарним деревом..

The decision tree creates classification or regression models as a tree structure.
Дерево рішень будує моделі класифікації або регресії у вигляді деревоподібної структури.

Decision tree is one of the most common approaches for classification and predictions.
Метод побудови дерев рішень є одним з найбільш популярних методів вирішення завдань класифікації та прогнозування.

A Decision tree Induction builds classification or regression models in the form of a tree structure.
Дерево рішень будує моделі класифікації або регресії у вигляді деревоподібної структури.

Popular cost function in decision tree learning.
Популярна функція витрат у навчанні дерев рішень.

The Two- tier Testing Decision Tree.
Дворівневе дерево рішень тестування.

The decision tree begins by identifying the user's age.
Дерево рішень починається з визначення віку користувача.