پیش بینی ثبت نام دانشجویان با استفاده از تکنیک های پیش بینی عددی داده های کاوی و مطالعه موردی آن در دانشجویان فنی و مهندسی، علوم انسانی دانشگاه پیام نور استان قم
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 471
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCONF02_602
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
داده کاوی شاخه ای از علوم کامپیوتر در زمینه هوش مصنوعی می باشد که به کشف الگوهای پنهان در حجم عظیمی از داده ها می پردازد. در این مقاله با استفاده از تکنیک های پیش بینی عددی داده کاوی شامل C&R tree -Neural Netowrk Generelized linear : و SVM Chaid که برای بانک اطلاعات انتخاب واحد دانشجویان دانشگاه پیام نور استان قم از سال 1379 تا سال 1389 مدل ها را ایجاد نموده ایم و سپس مدل ها را مورد ارزیابی قرار داده ایم. از بین مدل ها نتایج مدلی که دارای خطای کم و سرعت بالا ایجاد می شود انتخاب نموده ایم. در نتیجه با استفاده از مدل ها می توانیم به تعداد دانشجویانی که در ترم بعد دسته خاصی را اخذ کنند را پیش بینی نموده و ضمن کلیه مراحل داده کاوی با استفاده از متدولوژی CRISP-DM و نرم افزار Celmentine12.0 بر روی بانک اطلاعاتی دانشجویان صورت گرفته است.
نویسندگان
محمد تاری
دانشگاه پیام نور
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :