especially ELECTRE I and its improv

especially ELECTRE I and its improvement ELECTRE Iv, in order to better exploit the decision rules extracted from data mining clas¬sification algorithms and consequently improve their performance. For every object to be classified we evaluate the extracted decision rules in terms of a series of conditions: the degree of resemblance between the decision rules and the object, the weights of their at-tributes that positively influence the classification process, the rules' coverage and accuracy, the possible rejections in the result of the classification by a few of the attributes. Based on this evaluation, we choose the best of the extracted decision rules, and assign its class to the object. The method is flexible enough to be incorporated to any

Results (Indonesian) 1:

terutama ELECTRE saya dan peningkatan Iv ELECTRE, untuk lebih baik mengeksploitasi aturan keputusan diambil dari data pertambangan clas¬sification algoritma dan akibatnya meningkatkan kinerja mereka. Untuk setiap objek harus diklasifikasikan kita mengevaluasi aturan keputusan diekstraksi dalam hal serangkaian kondisi: tingkat kemiripan antara aturan keputusan dan obyek, beban mereka di-upeti yang positif mempengaruhi proses klasifikasi, aturan-aturan cakupan dan akurasi, mungkin penolakan atas hasil dari klasifikasi oleh beberapa atribut. Berdasarkan evaluasi ini, kita memilih yang terbaik dari aturan diekstrak keputusan, dan menetapkan kelas obyek. Metode ini cukup fleksibel untuk dimasukkan ke salah satu

Results (Indonesian) 2:

terutama ELECTRE I dan perbaikannya ELECTRE Iv, dalam rangka untuk lebih mengeksploitasi aturan keputusan yang diambil dari algoritma clas¬sification data mining dan akibatnya meningkatkan kinerja mereka. Untuk setiap objek yang akan diklasifikasikan kami mengevaluasi aturan keputusan yang diambil dalam hal serangkaian kondisi: derajat kemiripan antara aturan keputusan dan objek, bobot, cakupan mereka di-upeti yang positif mempengaruhi proses klasifikasi aturan ' dan akurasi, kemungkinan penolakan dalam hasil klasifikasi dengan beberapa atribut. Berdasarkan evaluasi ini, kita memilih yang terbaik dari aturan keputusan yang diambil, dan menetapkan sekelasnya untuk objek. Metode ini cukup fleksibel untuk dimasukkan ke setiap