classifiers

Predicting students' academic performance and modeling using data mining techniques

In educational institutions and universities, the issue of study interruptions can be addressed by using e-learning.  As a result, this field has recently attracted a lot of attention.  In this study, we applied four machine-learning methods to predict students' academic progress: logistic regression, decision trees, random forests, and Naive Bayes.  The Open University Learning Analytics Dataset (OULAD), which contains a subset of the OU student data, was the source of the student data for all of these techniques.  There is information regarding the students' VLE inter

Дослідження методів інтелектуального аналізу даних для класифікації незбалансованих наборів даних

Завдяки стрімкому розвитку інформаційних технологій, які широко використовуються у всіх сферах людського життя та діяльності, сьогодні накопичено надзвичайно великі обсяги даних. Відповідно застосування методів машинного навчання до цих даних дає змогу отримати нові практично корисні знання, які можуть бути використані для маркетингових, управлінських та дослідницьких цілей. Серед завдань інтелектуального аналізу даних – задачі регресії, прогнозування, кластеризації, класифікації та асоціативних правил. У цьому дослідженні розв’язано задачу бінарної класифікації.