The two methods of knowledge filter

The two methods of knowledge filtering are- rule truncation and post pruning which is very commonly used with Decision Tree and decision rules. In post processing phase, the main objective is to extract meaningful results to perform certain decision making step. Sometimes, for example decision rules, the classifier generate multiple rules with certain degree of redundancy which is difficult to translate in terms of useful decision making actions. Rule truncation is a post processing method applied in decision rules in which we truncate certain rules to improve the performance of a classifier. Similarly in decision tree, unusual growth of a tree may lead to confusing knowledge interpretation so decision rules may be applied to shrink the tree for better understanding purpose.

Results (Indonesian) 1:

Kedua metode penyaringan yang-aturan pemotongan dan pemangkasan posting yang sangat umum digunakan dengan pohon keputusan dan keputusan aturan pengetahuan. Dalam posting pengolahan fase, tujuan utama adalah untuk mengekstrak hasil yang bermakna untuk melakukan keputusan tertentu membuat langkah. Kadang-kadang, misalnya keputusan aturan, classifier menghasilkan beberapa aturan dengan tingkat tertentu redundansi yang sulit untuk diterjemahkan dalam hal tindakan pengambilan keputusan yang berguna. Aturan pemotongan adalah posting pengolahan metode yang diterapkan dalam keputusan aturan di mana kita memotong aturan-aturan tertentu untuk meningkatkan kinerja classifier. Demikian pula pada pohon keputusan, tidak biasa pertumbuhan pohon dapat mengakibatkan membingungkan interpretasi pengetahuan sehingga keputusan aturan dapat diterapkan untuk mengecilkan pohon untuk lebih baik pemahaman tujuan.

Results (Indonesian) 2:

Dua metode pengetahuan penyaringan adalah- aturan pemotongan dan pasca pemangkasan yang sangat umum digunakan dengan Pohon Keputusan dan keputusan aturan. Pada tahap pengolahan pasca, tujuan utama adalah untuk mengekstrak hasil yang berarti untuk melakukan tertentu pengambilan keputusan langkah. Kadang-kadang, untuk aturan misalnya keputusan, classifier menghasilkan beberapa aturan dengan tingkat tertentu redundansi yang sulit diterjemahkan dalam hal berguna pengambilan keputusan tindakan. Aturan pemotongan adalah metode pengolahan pasca diterapkan dalam aturan keputusan di mana kita memotong aturan-aturan tertentu untuk meningkatkan kinerja classifier a. Demikian pula di pohon keputusan, pertumbuhan yang tidak biasa dari pohon dapat menyebabkan interpretasi pengetahuan membingungkan sehingga aturan-aturan keputusan dapat diterapkan untuk mengecilkan pohon untuk tujuan pemahaman yang lebih baik.