In the latter stage, the LT is prun

In the latter stage, the LT is pruned according to a minimal cost-complexity function, which relies on the tree size and the misclassification error. The misclassification error is estimated by the inner tenfold cross-validation of the CART. The dataset is randomly divided into ten subsets. One of the subsets is used as independent testing dataset while the other nine subsets are used as training dataset. The tree-growing and pruning procedure is repeated ten times, each time with one of the ten different subsets used as a testing set. The misclassification error is calculated as the percentage of misclassified cases averaged over all the ten subsets.

Hasil (Bahasa Indonesia) 1:

Dalam tahap kedua, LT dipangkas menurut fungsi kompleksitas biaya minimal, yang bergantung pada ukuran pohon dan kesalahan misclassification. Kesalahan misclassification diperkirakan oleh batin cross-validation sepuluh kali lipat dari keranjang. Dataset secara acak dibagi menjadi sepuluh subset. Salah satu subset digunakan sebagai dataset pengujian independen sementara subset sembilan lainnya digunakan sebagai dataset pelatihan. Prosedur tumbuh pohon dan memangkas diulang sepuluh kali, setiap kali dengan salah satu subset berbeda sepuluh yang digunakan sebagai set pengujian. Kesalahan misclassification dihitung sebagai persentase kesalahan klasifikasi kasus rata-rata atas semua subset sepuluh.

Hasil (Bahasa Indonesia) 2:

Pada tahap terakhir, LT tersebut dipangkas sesuai dengan fungsi biaya kompleksitas minimal, yang bergantung pada ukuran pohon dan kesalahan kesalahan klasifikasi. Kesalahan kesalahan klasifikasi diperkirakan oleh sepuluh kali lipat dalam cross-validasi CART. Dataset secara acak dibagi menjadi sepuluh subset. Salah satu subset digunakan sebagai dataset pengujian independen, sementara sembilan lainnya subset digunakan sebagai dataset pelatihan. Prosedur pohon tumbuh dan pemangkasan diulang sepuluh kali, setiap kali dengan satu dari sepuluh himpunan bagian yang berbeda yang digunakan sebagai set pengujian. Kesalahan kesalahan klasifikasi dihitung sebagai persentase kasus kesalahan klasifikasi rata-rata atas semua sepuluh subset.