data mining classification algorith

data mining classification algorithm. We have tested the method's performance by applying it to three different data mining classifica¬tion algorithms and five well known databases and the results are very promising. In every case, the classification accuracy of the pro-posed method was better than the classification accuracy of the data mining algorithms used, which constitutes a good indication of serv¬ing the method's purpose to improve the classification accuracy of data mining algorithms.
The proposed method can be expanded in several ways. For in-stance, a new form of the classification algorithm could be created to cater for pure numerical or mixed data. Additionally, the similar¬ity between an object and a decision rule in the general context of the choice problem, as stated in ELECTRE I/ELECTRE Iv, can also be used for clustering objects into homogenous clusters.
Acknowledgments
We would like to thank Mr. Stavros Athanassiadis and Mr. Gerasi¬mos Antzoulatos for their vital contribution in preparing this paper, by producing parts of the method's software.

Results (Indonesian) 1:

data pertambangan klasifikasi algoritma. Kami telah menguji metode kinerja dengan menerapkan ke tiga berbeda data pertambangan classifica¬tion algoritma dan lima terkenal database dan hasil sangat menjanjikan. Dalam setiap kasus, klasifikasi keakuratan metode berpose pro adalah lebih baik daripada keakuratan Klasifikasi data pertambangan algoritma yang digunakan, yang merupakan indikasi yang baik dari serv¬ing metode yang bertujuan untuk meningkatkan akurasi Klasifikasi data pertambangan algoritma.Metoda yang diusulkan dapat diperluas dalam beberapa cara. Untuk di sikap, bentuk baru algoritma klasifikasi dapat diciptakan untuk memenuhi murni data numerik atau campuran. Selain itu, similar¬ity antara objek dan aturan keputusan dalam konteks umum masalah pilihan, seperti yang dinyatakan dalam ELECTRE saya / ELECTRE Iv, juga dapat digunakan untuk clustering objek dalam kelompok homogen.Ucapan terima kasihKami ingin mengucapkan terima kasih Mr Stavros Athanassiadis dan Mr Gerasi¬mos Antzoulatos untuk kontribusi penting dalam mempersiapkan tulisan ini, dengan memproduksi bagian dari perangkat lunak metode.

Results (Indonesian) 2:

data mining algoritma klasifikasi. Kami telah menguji kinerja metode ini dengan menerapkannya pada tiga algoritma classifica¬tion data mining yang berbeda dan lima database terkenal dan hasilnya sangat menjanjikan. Dalam setiap kasus, akurasi klasifikasi metode pro-ditimbulkan adalah lebih baik daripada ketepatan klasifikasi algoritma data mining yang digunakan, yang merupakan indikasi yang baik dari serv¬ing tujuan metode untuk meningkatkan akurasi klasifikasi algoritma data mining.
The diusulkan Metode dapat diperluas dalam beberapa cara. Untuk di-sikap, bentuk baru dari algoritma klasifikasi dapat dibuat untuk memenuhi data yang numerik atau campuran murni. Selain itu, similar¬ity antara obyek dan aturan keputusan dalam konteks umum dari masalah pilihan, seperti yang dinyatakan dalam ELECTRE I / ELECTRE Iv, juga dapat digunakan untuk clustering objek ke dalam kelompok yang homogen.
Ucapan Terima Kasih
Kami ingin mengucapkan terima kasih Mr Stavros Athanassiadis dan Mr Gerasi¬mos Antzoulatos atas kontribusi penting mereka dalam mempersiapkan makalah ini, dengan memproduksi bagian-bagian dari perangkat lunak metode ini.