%41تخفیف

دانلود پروژه: استفاده از داده کاوی در پیش بینی وضعیت تحصیلی دانشجویان دانشگاه های دولتی وغیر دولتی

Name: دانلود پروژه: استفاده از داده کاوی در پیش بینی وضعیت تحصیلی دانشجویان دانشگاه های دولتی وغیر دولتی
SKU: 19978
Price: 230000 IRR
Availability: InStock

تعداد 111 صفحه در فایل word

کارشناسی ارشد ((M.Sc))

رشته مهندسی فناوری اطلاعات- گرایش شبکه های کامپیوتری

استفاده از داده کاوی در پیش بینی وضعیت تحصیلی دانشجویان دانشگاه های دولتی وغیر دولتی

چکیده

در اين پايان نامه به نحوه استفاده از روش هاي داده كاوي در دانشگاه های آزاد وفردوسی مشهد جهت پيشگويي نتيجه آتي دانشجويان پرداخته شده است. سيستم هاي آموزشي، داده هاي غني و پر محتوا درمورد رفتار دانش آموزان و دانشجويان در طي يادگيري بدست مي آورند. هدف از استفاده از روش هاي داده كاوي غني كردن و توسعه دادن اين محيط هاست. براي ساخت مدل هاي مورد نظر از تكنيك هاي مختلفي نظير Naïve Bayes، LBR، NBTree، Best-First Decision Tree استفاده گرديده است. عملكرد هر يك از مدلها، مورد بررسي قرار گرفته و نتايج بدست آمده با يكديگر مقايسه گرديده اند. اعتبار سنجي انجام شده بر روي مدلها اثبات مي كند كه نتايج بدست آمده دقيق و قابل اعتماد بوده اند. با بكارگيري اين مدلها، مديران آموزشي مي توانند مشاوره هاي لازم را براي پيشگيري از رسيدن دانشجويان به وضعيت بحراني بكار گيرند. همچنين اين مدلها مي توانند به عنوان يك ابزار پشتيبان تصميم گيري در سيستم هاي آموزشي مورد بهره برداري قرار گرفته و نقش مهمي را در ارتقاء سطح علمي دانشگاهها داشته باشند.

برای انجام ارزيابی از روش Cross Validation با ده دسته (fold) استفاده شده است. 66% داده ها را براي آموزش گرفتن (Train) و 34% آنها را براي تست گرفتن (Test) اختصاص داديم. برای انجام داده‌کاوی نيز روش‌های Naïve Bayes،LBR، NBTree، Best-First Decision Tree استفاده شده است كه در بين این چهارروش، روش Naïve Bayes با72}% برای داده های دانشگاه آزاد مشهد و‌‌63.8%برای داده های دانشگاه فردوسی مشهد} بيشترين دقت را در پيشگويي داشته است. روش LBR { با دقت 69% برای داده های دانشگاه آزاد مشهد و دقت64.2%برای داده های دانشگاه فردوسی مشهد} در رتبه دوم قرار دارد. روش NBTree {با دقت1.59% برای داده های دانشگاه آزاد مشهد و دقت56.8% برای داده های دانشگاه فردوسی مشهد} و روشBest-First Decision Tree با {دقت 59.3 % برای داده های دانشگاه آزاد مشهد ودقت 52.3% برای داده های دانشگاه فردوسی مشهد} در رتبه هاي بعدي قرار گرفتند.

کلمات کلیدی:

داده کاوی، پیش بینی، معدل کل، عوامل مؤثر، موفقیت

دسته: فنی و مهندسی, مهندسی کامپیوتر برچسب: پیش بینی, عوامل مؤثر, کلمات کلیدی: داده کاوی, معدل کل, موفقیتدانلود-پروژه-کارشناسی-ارشد-فایل ناب-خرید

توضیحات

فهرست مطالب

چکیده……………………………………………… 1

فصل اول: کليات پژوهش………………………………… 2

1-1 مقدمه………………………………………….. 3

1-2 تعریف مسئله…………………………………….. 4

1-3 اهداف تحقیق 5

فصل دوم: مروري بر تحقيقات انجام شده 7

2-1 ادبيات پژوهش 8

فصل سوم : روش ها و الگوريتم های پيشنهادی 12

3-1 توصيف داده ها در داده کاوی 13

3-1-1 خلاصه سازی و به تصوير در آوردن داده ها 13……………… …………………………………………………… ……………………………………………………

3-1-2 خوشه بندی……………………………………. 13

3-1-3 تحليل لينک 14

3-2 مدل های پيش بينی داده ها………………………… 14

3-2-1 طبقه بندي……………………………………. 14

3-2-2 رگرسيون ……………………………………. 15

3-2-2-1 رگرسيون خطی………………………………… 16

3-2-2-2 رگرسيون چندگانه…………………………….. 17

3-2-3 سري هاي زماني 18

3-2-3-1 نمودار سری زمانی……………………………. 19

3-2-3-2 اجزاء يک سری زمانی………………………….. 19

3-2-3-3 همبستگی بين مشاهدات سری زمانی………………… 20

3-2-3-4 مدل سازی سری های زمانی به روش باکس – جنکينز(ARIMA) 21

3-2-3-5 استراتژی مدل سازی…………………………… 21

3-2-3-6 تشخيص مدل آزمايشی…………………………… 22

3-3 مدل ها و الگوريتم های داده کاوی………………….. 23

3-3-1 شبکه های عصبی………………………………… 23

3-3-2 درخت تصمیم گیری………………………………. 26

3-3-3 ( Multivariate Adaptive Regression Splines(MARS…………….. 28

3-3-4 استنتاج قوانين……………………………….. 28

3-3-5 K -نزدیکترین همسایگی واستدلال مبتنی بر حافظه………. 29

3-3-6 رگرسيون منطقی………………………………… 30

3-3-7 تحليل تفکيکی…………………………………. 30

3-3-8 مدل افزودنی کلی………………………………. 31

3-3-9 الگوريتمهاي بوستينگ………………………….. 31

3-4 سلسله مراتب انتخابها……………………………. 32

3-5 پيشگويي نتيجه تحصيلي فراگيران با استفاده از روشهاي يادگيري ماشين در داده کاوي………………………………………. 33

فصل چهارم: تعیین عوامل موثر بر موفقیت دانشجو………….. 35

4-1 مجموعه داده مورد استفاده………………………… 36

4-2 توزيع مقادير مختلف مربوط به هر كدام از ويژگي ها با استفاده از نرم افزار SPSS به منظور تحلیل و مقایسه دانشجویان‌

دانشگاه آزاد مشهد ودانشگاه فردوسی مشهد………………. 38

4-2-1 وضعیت اشتغال…………………………………. 39

4-2-2 میزان علاقه………………………………….. 41

4-2-3 تعداد ترم های مشروطی…………………………. 43

4-2-4 نحوه مطالعه………………………………….. 45

4-2-5 متد مطالعه…………………………………… 48

4-2-6 تعداد سال های وقفه بین پیش دانشگاهی و دانشگاه……. 49

4-2-7 سطح زبان…………………………………….. 50

4-2-8 برای مطالعه دروس خود از چه منابعی استفاده میکنید …. 51

4-2-9 معدل دیپلم…………………………………… 52

4-2-10 نوع دبیرستان………………………………… 53

4-2-11 سطح تحصیلات پدر………………………………. 54

4-2-12 سطح تحصیلات مادر……………………………… 55

4-2-13 تعداد فرزندان……………………………….. 56

4-2-14 راست دست یا چپ دست بودن………………………. 57

4-2-15 جنسیت………………………………………. 58

4-2-16 وضعیت تاهل………………………………….. 59

4-2-17 وضعیت سکونت (بومی یا غیر بومی )………………… 60

4-2-18 امکان استفاده از اینترنت در منزل یا خوابگاه…….. 61

4-2-19میزان حضور در کلاس درس…………………………. 62

4-2-20 انجام پروژه دانشجویی…………………………. 63

4-3 نرم افزار و سخت افزار مورد استفاده……………….. 64

4-3- 1 بسته نرم افزاري وکا………………………… 64

4-3-1-1 شروع كار با وکا…………………………….. 67

4-3-1-2 قالب فايل هاي ARFF………………………….. 67

4-3-2 سيستم عامل مورد استفاده……………………….. 68

4-3-3 مشخصات سخت افزاري…………………………….. 68

4-4 توزيع مقادير مختلف مربوط به هر كدام از ويژگي ها با استفاده ازweka 68

فصل پنجم : روش تحقيق و بحث و بررسي و تحليل داده ها…….. 71

5-1 ارزيابي……………………………………….. 72

5-1-1 روش ارزيابي متقاطع……………………………. 72

5-1-2 دقت و يادآوري………………………………… 72

5-1-3 ماتريس آشفتگي………………………………… 73

5-2 قوانين پيوندي………………………………….. 76

5-3 صفت هاي انتخاب شده……………………………… 80

5-4 مجموعه آموزش………………………………….. 84

5-5 نتايج بدست آمده………………………………… 85

5-6 پيشگويي نتيجه تحصيلي يك نمونه جديد……………….. 93

فصل ششم : جمع بندی، نتيجه گيری و پيشنهادات……………. 96

شکل ‏5‑13: فايل arff نمونه جديد……………………… 94

شکل ‏5‑14: پيشگويي نتيجه تحصيلي يك نمونه جديد با يادگيري ماشين 95