This research aims to study the com

This research aims to study the comparative of
classification choosing the career in undergraduate
students after graduated. In this research used the data
set of the status having the job of graduates,
the data set of students for undergraduate after
graduation from Faculty of Informatics
Mahasarakham university from 2007-2011 years. The
total of data set have 12 attributes and 2,515 record. This
research using techniques Decision tree, Artificial
neural network and Naive bayes. The results from the
model was showed that the highest accuracy is
Decision tree with 89.45% but Artificial neural network
and Naive bayes is 86.85% and 80.52% respectively.

0/5000

จาก: -

เป็น: -

ผลลัพธ์ (ไทย) 1: [สำเนา]

คัดลอก!

งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาเปรียบเทียบการจัดหมวดหมู่
การเลือกอาชีพของนักเรียนในระดับปริญญาตรี
หลังจากจบการศึกษา ในงานวิจัยนี้ใช้ข้อมูล
ชุดของสถานะที่มีการปฏิบัติงานของผู้สำเร็จการศึกษา,
ชุดข้อมูลของนักศึกษาระดับปริญญาตรีสำหรับหลังจากสำเร็จการศึกษาจากคณะ
สารสนเทศ
จากมหาวิทยาลัยมหาสารคามปี 2007-2011 ทั้งหมด
จากชุดข้อมูลที่มี 12 คุณลักษณะและ 2515 บันทึกการวิจัยนี้
ต้นไม้ตัดสินใจใช้เทคนิคเครือข่ายประสาทเทียม
และไร้เดียงสา bayes ผลที่ได้จากแบบจำลอง
ก็แสดงให้เห็นว่ามีความถูกต้องสูงที่สุดคือต้นไม้ตัดสินใจ
กับ 89.45% แต่เครือข่ายประสาทเทียม
และไร้เดียงสา bayes คือ 86.85% และ 80.52% ตามลำดับ

การแปล กรุณารอสักครู่..

ผลลัพธ์ (ไทย) 2:[สำเนา]

คัดลอก!

งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาเปรียบเทียบของ
เลือกอาชีพในระดับปริญญาตรีประเภท
นักเรียนหลังจากสำเร็จศึกษา ในงานวิจัยนี้ใช้ข้อมูล
ชุดสถานะมีงานของบัณฑิต,
ชุดข้อมูลของนักเรียนในระดับปริญญาตรีหลังจาก
จบการศึกษาจากคณะสารสนเทศศาสตร์
มหาวิทยาลัยมหาสารคามตั้งแต่ปี 2007-2011 ใน
รวมของชุดข้อมูลมีคุณลักษณะ 12 และบันทึก 2,515 นี้
วิจัยโดยใช้เทคนิคต้นไม้ตัดสินใจ ประดิษฐ์
Naive bayes และเครือข่ายประสาท ผลลัพธ์จากการ
จำลองได้แสดงให้เห็นว่า ความถูกต้องสูงสุดคือ
ต้นไม้การตัดสินใจด้วยโครงข่ายประสาทเทียม 89.45%
และ Naive bayes 86.85 และ 80.52% ตามลำดับ

การแปล กรุณารอสักครู่..

ผลลัพธ์ (ไทย) 3:[สำเนา]

คัดลอก!

การศึกษานี้มีวัตถุประสงค์เพื่อการศึกษานักเรียนความได้เปรียบเชิงเปรียบเทียบของการเลือก
ซึ่งจะช่วยการจำแนก ประเภท อาชีพในระดับปริญญาตรี
หลังจากจบการศึกษา ในการวิจัยนี้ใช้ข้อมูล
ซึ่งจะช่วยให้การตั้งค่าสถานะที่มีงานของคนที่จบ
ข้อมูลที่ตั้งค่าของนักศึกษาสำหรับหลักสูตรปริญญาตรีหลังจาก
ซึ่งจะช่วยการจบการศึกษาจากมหาวิทยาลัยจากคณะ
มหาวิทยาลัยมหาสารคามระบบสารสนเทศทางการแพทย์จาก 2007-2011 ปี
รวมของข้อมูลที่มี 12 แอตทริบิวต์ 2,515 และบันทึกทรีการตัดสินใจเทคนิคการใช้

เครือข่ายการวิจัยนี้เกินเทียมและ bayes ไร้เดียงสา. ผลที่ได้จาก
รุ่นที่มีให้เห็นว่าความถูกต้องได้มากที่สุดคือต้นไม้
ซึ่งจะช่วยการตัดสินใจด้วย 89.45% แต่เครือข่ายเกินเทียม
และ bayes ไร้เดียงสาอยู่ 86.85% และ 80.52% ตามลำดับ

การแปล กรุณารอสักครู่..

ภาษาอื่น ๆ

การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.