using C4.5 classification algorithm

using C4.5 classification algorithm was carried out in Pima Indians Diabetes Database [3]. A detailed analysis of the Pima diabetic data set was carried out efficiently using of Hive and R. In this analysis we can derive some interesting facts, which can be used to develop the prediction models [4]. The soft computing based prediction model was developed for finding the risks accumulated by the diabetic patients. They have experimented with real time clinical data using Genetic Algorithm [5]. The obtained results pertaining to the level of risk which prone to either heart attack or stroke. The novel pre-processing phase with missing value imputation for both numerical and categorical data. A hybrid combination of Classification and Regression Trees (CART) and Genetic Algorithms to impute missing continuous values and Self Organizing Feature Maps (SOFM) to impute categorical values was improved in [6]

結果 (繁體中文) 1:

使用C4.5分類算法在比馬印第安人糖尿病數據庫[3]進行。皮馬糖尿病數據組的詳細分析，高效率地進行使用蜂房和R的在該分析中，我們可以得出一些有趣的事實，其可以用來開發預測模型[4]。軟計算基於預測模型，尋找由糖尿病患者累積的風險開發的。他們已經嘗試使用遺傳算法[5]實時臨床數據。屬於風險水平所獲得的結果，其傾向於要么心臟發作或中風。缺失值插補兩個數值和分類數據的新穎預處理階段。

結果 (繁體中文) 2:

使用C4.5分類演算法在皮馬印第安人糖尿病資料庫[3]中進行了。利用Hive和R對Pima糖尿病資料集進行了詳細的分析。在此分析中，我們可以推匯出一些有趣的事實，可用於開發預測模型 [4]。建立了基於軟計算的預測模型，用於發現糖尿病患者積累的風險。他們利用遺傳演算法（5）對即時臨床資料進行了實驗。獲得的結果與心臟病發作或中風的風險水準有關。新的預處理階段，缺少數值和分類資料的值歸算。分類樹和迴歸樹 （CART） 和遺傳演算法的混合組合，用於將缺失的連續值和自組織特徵圖 （SOFM） 歸納分類值在 [6] 中得到改進。

結果 (繁體中文) 3:

利用C4.5分類算灋在Pima印第安人糖尿病資料庫中進行了分類[3]。利用Hive和R對Pima糖尿病數据集進行了詳細的分析，得到了一些有趣的事實，可用於建立預測模型[4]。建立了基於軟計算的糖尿病患者風險預測模型。他們使用遺傳演算法對實时臨床數據進行了實驗[5]。所得結果與易發心臟病或中風的風險水准有關。對數值和分類數據進行缺失值插補的新的預處理階段。在[6]中改進了分類和回歸樹（CART）與遺傳演算法（Genetic Algorithms）的混合組合，用以輸入缺失的連續值，用自組織特徵映射（SOFM）來輸入分類值