Приклади вживання Дерева рішень Українська мовою та їх переклад на Англійською
{-}
-
Colloquial
-
Ecclesiastic
-
Computer
Класифікація(дерева рішень, SVM, kNN).
MARS: розширює дерева рішень для поліпшення обробки цифрових даних.
MARS: extends decision trees to handle numerical data better.Дерева рішень, використовувані в Data Mining, бувають двох основних типів:.
Decision trees used in data mining are of two main types:.У цьому випадку модель дерева рішень є бінарним деревом. .
Дерева рішень використовуються для опису даних задач класифікації та регресії.
A decision tree is a model used to solve classification and regression tasks.Одне з питань, яке виникає в алгоритмі дерева рішень- це оптимальний розмір кінцевого дерева. .
One of the questions that arise in a decision tree algorithm is the optimal size of the final Подібні дерева рішень широко використовуються в інтелектуальному аналізі даних.
The decision trees of this type are often used in the intellectual data analysis.Майже всі стратегії гри вимагають внутрішнього дерева рішень стиль мислення, як правило, дуже високою ситуаційної обізнаності.
Almost all strategy games require internal decision tree style thinking, and typically very high….Такі критерії можуть бути виражені через такі структури знань, як дерева рішень та класифікаційні правила.
These criteria can beexpressed in terms of the structure of knowledge such as decision trees and classification rules.Ця праця ставить дерева рішень у внутрішніх вузлах баєсових мереж із застосуванням мінімальної довжини повідомлень(англ. MML).
This paper puts decision trees in internal nodes of Bayes networks using Minimum Message Length(MML).Майже всі стратегії гри вимагають внутрішнього дерева рішень стиль мислення, як правило, дуже високою ситуаційної обізнаності.
Almost all the strategy games require internal‘decision tree style'of thinking, and typically require very high situational awareness.Квантова складність дерева рішень Q 2( f){\displaystyle Q_{2}(f)} також поліноміально пов'язана з D( f){\displaystyle D(f)}.
The quantum decision tree complexity Q 2( f){\displaystyle Q_{2}(f)} is also polynomially related to D( f){\displaystyle D(f)}.Модель, в якій кожне рішення базується на порівнянні двох чисел за постійний час,називається простою моделлю дерева рішень.
The model in which every Алгебраїчні дерева рішень- це узагальнення лінійних дерев рішень, щоб тестові функції були поліномами ступеня d.
Algebraic decision trees are a generalization of linear Проблема складності рішень у алгоритмі Лас-Вегас R 0( f){\displaystyle R_{0}(f)}вимірює очікувану глибину дерева рішень, яке має бути правильним(тобто має помилку нуля).
The Las Vegas decision-tree complexity R 0( f){\displaystyle R_{0}(f)}measures the expected depth of a decision tree that must be correct(i.e., has zero-error).Було запроваджено декілька варіантів моделей дерева рішень, в залежності від складності операцій, дозволених при обчисленні єдиного порівняння та способу розгалуження.
Several variants of decision tree models have been introduced, depending on the complexity of the operations allowed in the computation of a single comparison and the way of branching.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.
Classification- This data mining technique differs from the above in a way that it is based on machine learning anduses mathematical techniques such as Linear programming, Decision trees, Neural network.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.
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.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%.
The obtained prediction accuracy of the CHF therapy effectiveness is 80% 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.
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.Дерево рішень обробки даних.
Data Mining Decision Tree.Дерево рішень будує моделі класифікації або регресії у вигляді деревоподібної структури.
The decision tree creates classification or regression models as a Дерево рішень(decision tree) є однією з найпопулярніших моделей класифікації.
Decision trees method is one of the most popular classification methods.Дерево рішень будує моделі класифікації або регресії у вигляді деревоподібної структури.
A Decision tree Induction builds classification or regression models in the form of a Дерево рішень будує моделі класифікації або регресії у вигляді деревоподібної структури.
Decision trees are classification or regression models in the form of a 
