contoh kalimat decision tree

• It blocks our ability to read your decision tree.
  Yang menghalangi kemampuan kami membaca keputusanmu.
• Millions of decision trees all branching out... exponentially.
  Mempunyai jutaan pohon keputusan. Dan semuanya punya cabang... Eksponensial.
• Their-their decision trees have grown new branches.
  Kelompok keputusan mereka telah membuat cabang baru.
• A decision tree is a simple representation for classifying examples.
  Pemelajaran pohon keputusan merupakan representasi sederhana untuk contoh pengklasifikasian.
• Typically this would use decision trees or regression analysis.
  Hal ini dapat dicapai melalui pencocokan kurva atau analisis regresi.
• I'm a politician, I'm good with names. Her decision tree is diverging from our models.
  Ada yang menyimpang dari rencana kita.
• Now, this is a decision tree.
  ...secara emosional? - Mm-hmm.
• We must close off certain decision trees and embrace one final path.
  Kita hentikan dulu keputusan yang lain. Kita ambil satu keputusan akhir.
• Experience with machine learning algorithms, decision trees, neural networks, clustering, etc.
  Berpengalaman dengan mesin pembelajaran algoritma, decision tree, jaringan saraf, pengelompokan, dll.
• Although it is usually applied to decision tree methods, it can be used with any type of method.
  Meskipun biasanya diterapkan untuk metode decision tree, bagging dapat digunakan dengan semua jenis metode.
• Classify text and images according to predefined categories and make use of neural networks, decision trees, random forests for classification
  Klasifikasi teks dan gambar sesuai dengan kategori yang telah ditentukan dan memanfaatkan jaringan saraf, pohon keputusan, hutan acak untuk klasifikasi
• Fast algorithms such as decision trees are commonly used in ensemble methods (for example, random forests), although slower algorithms can benefit from ensemble techniques as well.
  Algoritma cepat(fast algorithms) seperti decision trees biasanya dipakai dalam metode ensemble ini seperti random forest, meskipun algoritma yang lebih lambat dapat memperoleh manfaat dari teknik ensemble juga.
• Classification and regression trees (CART) are a non-parametric decision tree learning technique that produces either classification or regression trees, depending on whether the dependent variable is categorical or numeric, respectively.
  Classification and regression trees (CART) adalah non-parametrik decision tree learning teknik yang menghasilkan baik klasifikasi maupun regresi pohon, tergantung pada apakah variabel dependen kategorik maupun numerik, masing-masing.
• In some cases quantitative analysis techniques may be appropriate. For example, a decision tree may be used to analyse alternative scenarios or Monte Carlo analysis will be used to address general estimating uncertainty of innovative work.
  Dalam beberapa kasus teknik analisis kuantitatif bisa sesuai. Sebagai contoh, pohon keputusan (decision tree) bisa digunakan untuk menganalisis skenario alternatif atau analisis Monte Carlo akan digunakan untuk mengatasi estimasi ketidakpastian dari pekerjaan inovatif secara umum.