Publication: การพยากรณ์ผลสัมฤทธิ์ทางการเรียนด้วยเทคนิคเหมืองข้อมูลโดยใช้ Rapid Miner
0
0
Files
Issued Date
2021-08-16
Resource Type
Language
tha
File Type
application/pdf
Access Rights
Open Access
Rights
ผลงานนี้เผยแพร่ภายใต้ สัญญาอนุญาตครีเอทีฟคอมมอนส์แบบ แสดงที่มา-ไม่ใช้เพื่อการค้า-ไม่ดัดแปลง 4.0 (CC BY-NC-ND 4.0)
Rights Holder(s)
มหาวิทยาลัยศรีนครินทรวิโรฒ
Suggested Citation
Jiraporn Jareanying, จิราภรณ์ เจริญยิ่ง (2021). การพยากรณ์ผลสัมฤทธิ์ทางการเรียนด้วยเทคนิคเหมืองข้อมูลโดยใช้ Rapid Miner. สืบค้นจาก: https://hdl.handle.net/20.500.14740/54232
Alternative Title(s)
The prediction of student performanceusing data mining techniques with rapid miner
Author(s)
Advisor(s)
Organization
Abstract
This research presents education data mining using data classification and Principal Component Analysis (PCA) to predict student grades using several variables and algorithms. The algorithms used in this paper are Decision Tree, Random Forest, Naïve-Bayes, and K-NN (K-Nearest Neighbors). The dataset experiment included secondary school students in Portuguese schools containing information about the socioeconomic environment of the students and learning environment from the UCI Machine Learning Repository. The population consisted of 649 samples with 31 attributes. The experimental results showed that the best accuracy from the Random Forest technique was 80.74 and the Naïve-Bayes technique had the highest average at 55.52.
งานวิจัยนี้นำเสนอการทำเหมืองข้อมูลทางการศึกษา โดยการจำแนกประเภทข้อมูล การวิเคราะห์องค์ประกอบหลักของข้อมูล เพื่อหาความสัมพันธ์ของตัวแปร และเปรียบเทียบประสิทธิภาพของอัลกอริทึม ซึ่งเป็นการศึกษาด้วยเทคนิค ต้นไม้ตัดสินใจ เทคนิคป่าแห่งการทำนาย การเรียนรู้เบย์ และ K-NN โดยใช้ข้อมูลของนักเรียนระดับมัธยมศึกษาในโรงเรียนโปรตุเกส ประกอบด้วยข้อมูลด้านผลการเรียน ด้านความเป็นอยู่ และความเชื่อมโยงทางสังคมและโรงเรียน จาก UCI Machine Learning Repository มีข้อมูล 649 รายการ 31 แอตทริบิวต์ จากผลการวิจัยพบว่าเทคนิคที่ให้ค่าความถูกต้อง มากที่สุด คือเทคนิคป่าไม้ตัดสินใจ เท่ากับ 80.74 และเทคนิคที่มีค่าความถ่วงดุลมากที่สุด คือ เทคนิคการเรียนรู้เบย์ เท่ากับ 55.52
งานวิจัยนี้นำเสนอการทำเหมืองข้อมูลทางการศึกษา โดยการจำแนกประเภทข้อมูล การวิเคราะห์องค์ประกอบหลักของข้อมูล เพื่อหาความสัมพันธ์ของตัวแปร และเปรียบเทียบประสิทธิภาพของอัลกอริทึม ซึ่งเป็นการศึกษาด้วยเทคนิค ต้นไม้ตัดสินใจ เทคนิคป่าแห่งการทำนาย การเรียนรู้เบย์ และ K-NN โดยใช้ข้อมูลของนักเรียนระดับมัธยมศึกษาในโรงเรียนโปรตุเกส ประกอบด้วยข้อมูลด้านผลการเรียน ด้านความเป็นอยู่ และความเชื่อมโยงทางสังคมและโรงเรียน จาก UCI Machine Learning Repository มีข้อมูล 649 รายการ 31 แอตทริบิวต์ จากผลการวิจัยพบว่าเทคนิคที่ให้ค่าความถูกต้อง มากที่สุด คือเทคนิคป่าไม้ตัดสินใจ เท่ากับ 80.74 และเทคนิคที่มีค่าความถ่วงดุลมากที่สุด คือ เทคนิคการเรียนรู้เบย์ เท่ากับ 55.52
Description
MASTER OF SCIENCE (M.Sc.)
วิทยาศาสตรมหาบัณฑิต (วท.ม.)
วิทยาศาสตรมหาบัณฑิต (วท.ม.)
Degree Grantor(s)
มหาวิทยาลัยศรีนครินทรวิโรฒ
Classification
Keyword(s)
เทคนิคเหมืองข้อมูล
การจำแนกประเภทข้อมูล
การพยากรณ์ผลการเรียน
เทคนิคต้นไม้ตัดสินใจ
เทคนิคป่าเพื่อการทำนาย
เทคนิคการเรียนรู้เบย์
เทคนิคเพื่อนบ้านใกล้ที่สุด
โปรแกรม Rapid Miner
Data Mining
Classification
Student Performance Prediction
Decision Tree
Random Forest
Naïve-Bayes
k-Nearest Neighbor
Rapid Miner
การจำแนกประเภทข้อมูล
การพยากรณ์ผลการเรียน
เทคนิคต้นไม้ตัดสินใจ
เทคนิคป่าเพื่อการทำนาย
เทคนิคการเรียนรู้เบย์
เทคนิคเพื่อนบ้านใกล้ที่สุด
โปรแกรม Rapid Miner
Data Mining
Classification
Student Performance Prediction
Decision Tree
Random Forest
Naïve-Bayes
k-Nearest Neighbor
Rapid Miner