Estrazione dei dati con la rete neurale
Versandkostenfrei!
Versandfertig in 6-10 Tagen
23,99 €
inkl. MwSt.
PAYBACK Punkte
12 °P sammeln!
Attualmente, la quantità di dati memorizzati nei database didattici sta aumentando rapidamente. Questi database contengono informazioni nascoste per migliorare le prestazioni degli studenti. L'albero decisionale è l'algoritmo di classificazione più utile nel data mining educativo per la sua facilità di esecuzione e di comprensione rispetto ad altri algoritmi. Con l'aiuto dell'algoritmo dell'albero decisionale possiamo ottenere risultati più accurati e validi che possono essere utili agli istruttori per migliorare i risultati di apprendimento degli studenti. Gli algoritmi ad albero decisio...
Attualmente, la quantità di dati memorizzati nei database didattici sta aumentando rapidamente. Questi database contengono informazioni nascoste per migliorare le prestazioni degli studenti. L'albero decisionale è l'algoritmo di classificazione più utile nel data mining educativo per la sua facilità di esecuzione e di comprensione rispetto ad altri algoritmi. Con l'aiuto dell'algoritmo dell'albero decisionale possiamo ottenere risultati più accurati e validi che possono essere utili agli istruttori per migliorare i risultati di apprendimento degli studenti. Gli algoritmi ad albero decisionale ID3, C4.5 e CART sono stati applicati ai dati degli studenti per prevedere le loro prestazioni. Ma tutti e tre questi algoritmi sono utilizzati solo per piccoli database. Per i database di grandi dimensioni, stiamo utilizzando un nuovo algoritmo, SPRINT, che elimina tutte le limitazioni di memoria e i problemi di accuratezza degli altri algoritmi. È più veloce e scalabile degli altri perché può essere implementato sia in modo seriale che parallelo per un buon posizionamento dei dati e per il bilanciamento del carico. In questo lavoro, l'algoritmo ad albero decisionale SPRINT viene utilizzato per risolvere il problema della classificazione nel sistema educativo.
Andere Kunden interessierten sich für
