پیش بینی نمرات دانش آموزان با استفاده از روش یادگیری ماشین (مقایسه سه الگوریتم درخت تصمیم، جنگل تصادفی و رگرسیون خطی)

یادگیری ماشین از علوم بسیار کاربردی در زمینه هوش مصنوعی بوده که باعث تغییر زندگی بشر در حال و آ ینده نزد یک خواهدشد. این علم دارای شاخه های بسیار زیاد و الگوریتم های فراوانی است که هرکدام در جای خود اثربخشی بسیار بالایی دارند. در این مقاله ما به معرفی و توضیح سه الگوریتم مطرح جنگل تصادفی، درخت تصمیم و رگرسیون خطی از الگوریتم های باناظر در یادگیری ماشین پرداخته و سپس با استفاده از یک دیتاست که شامل نمرات و مقادیر مربوط به سایر ویژگی های دانش آموزان بوده، به بررسی میزان دقت و خطای هر یک از این الگوریتم ها برای به دست آوردن نمره نهایی و یا احتمال قبولی و مردود شدن دانش آموزان در امتحان پایانی با توجه به اطلاعات قبلی در درس مربوطه پرداختیم. سپس در انتها نتایج به دست آمده از هر سه الگوریتم را با تکنیک هایی که در هر روش برای بهبود نتیجه انجام دادیم در مقاله ذکر و نتایج را در قالب جداول مربوط برا ی مقای سه بهتر عملکرد الگوریتم ها نشان داده ایم.

کلیدواژه ها:

درخت تصمیم ، رگرسیون خطی ، جنگل تصادفی ، دقت اعتبارسنج ، خطای اعتبارسنج