In this paper variety of Data Minin

In this paper variety of Data Mining techniques are used for prediction of slow learners in Educational Data Mining. The techniques are Classification, Regression and Density Estimation. During this work, Classification techniques for prediction are used. The output dataset is tested and analyzed with five Classification algorithms which are Multilayer Perception, Naïve Bayes, SMO, J48 and REPTree. For implementation of all these classification tasks we have used WEKA workbench.

ผลลัพธ์ (ไทย) 1:

ในกระดาษนี้มีความหลากหลายของการทำเหมืองแร่ข้อมูล เทคนิคจะใช้สำหรับการคาดเดาของผู้เรียนช้าในการศึกษาข้อมูลทำเหมืองแร่ เทคนิคจะจัดประเภท ถดถอย และการ ประเมินความหนาแน่น ระหว่างงานนี้ จะใช้เทคนิคจัดประเภทสำหรับการคาดเดา ชุดข้อมูลผลลัพธ์เป็นทดสอบ และวิเคราะห์ ด้วยกระบวนการจัดประเภท 5 ซึ่งรับ รู้ Multilayer, Bayes ขำน่า SMO, J48 และ REPTree สำหรับนำไปใช้งานประเภทเหล่านี้ทั้งหมด เราใช้ปรับแต่ง WEKA

ผลลัพธ์ (ไทย) 2:

ในความหลากหลายกระดาษเทคนิคการทำเหมืองข้อมูลนี้จะใช้สำหรับการคาดการณ์ของผู้เรียนช้าในการศึกษาการทำเหมืองข้อมูล เทคนิคที่มีการจำแนกการถดถอยและการประมาณค่าความหนาแน่น ในระหว่างการทำงานนี้เทคนิคการจัดประเภทสำหรับการคาดการณ์ที่มีการใช้ ชุดข้อมูลการส่งออกได้รับการทดสอบและวิเคราะห์กับห้าขั้นตอนวิธีการจัดหมวดหมู่ที่มีหลายการรับรู้ไร้เดียงสา Bayes, SMO, J48 และ REPTree สำหรับการดำเนินงานของทุกงานที่จัดหมวดหมู่เหล่านี้เราได้ใช้ปรับแต่ง WEKA

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้จะใช้ความหลากหลายของเทคนิคการทำเหมืองข้อมูลการทำนายของช้าในการทําเหมืองข้อมูล การศึกษา เทคนิคการจำแนก การถดถอยและการประมาณความหนาแน่น ในงานนี้ เทคนิคการจำแนกการทำนายจะใช้ the output dataset is tested พริกไทย with five classification algorithms which are perception multilayer , na ïมือ bayes , ที่รอน ,และ j48 reptree . for implementation ของ all คลอง classification tasks นี้ used weka ชาคริตใน