This paper focuses on the important

This paper focuses on the important issue of dealing with missing values in data pre-processing. The rest of paper is organised as follows. In the next section several well-established methods for handling missing values are introduced. In the section that follows we propose several models to deal with missing values based on naı¨ve Bayesian classifier and information gain method. All the models were applied to a geriatric hospital data set and computational results are reported in experiments section. Finally, conclusions and further work are discussed in the final section.

Hasil (Bahasa Indonesia) 1:

Makalah ini berfokus pada isu yang penting berurusan dengan nilai-nilai yang hilang dalam pra-pemrosesan data. Sisa kertas diatur sebagai berikut. Pada bagian berikutnya beberapa metode yang mapan untuk menangani nilai-nilai yang hilang diperkenalkan. Di bagian yang mengikuti kami mengusulkan beberapa model untuk berurusan dengan nilai-nilai yang hilang berdasarkan naı¨ve Bayesian Penjodoh dan informasi mendapatkan metode. Semua model yang diterapkan pada sebuah set data rumah sakit geriatrik dan komputasi hasil dilaporkan dalam percobaan bagian. Akhirnya, kesimpulan dan pekerjaan lebih lanjut yang dibahas di bagian akhir.

Hasil (Bahasa Indonesia) 2:

Makalah ini berfokus pada isu penting berurusan dengan nilai-nilai yang hilang dalam data pra-pengolahan. Sisa kertas ini disusun sebagai berikut. Pada bagian berikutnya beberapa metode mapan untuk menangani nilai-nilai yang hilang diperkenalkan. Pada bagian yang mengikuti kami mengusulkan beberapa model untuk menangani dengan nilai-nilai yang hilang berdasarkan klasifikasi Bayesian naif dan metode gain informasi. Semua model yang diterapkan untuk satu set data rumah sakit geriatri dan hasil perhitungan yang dilaporkan dalam bagian percobaan. Akhirnya, kesimpulan dan pekerjaan lebih lanjut akan dibahas di bagian akhir.