An educational institution needs to

An educational institution needs to have an approximate prior knowledge of enrolled students to predict their performance in future academics. This helps them to identify promising students and also provides them an opportunity to pay attention to and improve those who would probably get lower grades. As a solution, we have developed a system which can predict the performance of students from their previous performances using concepts of data mining techniqu
es under Classification. We have analyzed the dataset containing information about students, such as gender, marks scored in the board examinations of classes X and XII, marks and rank in entrance examinations and results in first year of the previous batch of students. By applying the ID3 (Iterative Dichotomiser 3) and C4.5 classification algorithms on this
data, we have predicted the general and individual performance of freshly admitted students in futurexaminations

ผลลัพธ์ (ไทย) 1:

สถาบันการศึกษาต้องมีความรู้เดิมโดยประมาณของนักเรียนเพื่อทำนายประสิทธิภาพของนักวิชาการในอนาคต นี้ช่วยให้พวกเขาระบุว่านักเรียน และยัง ให้โอกาสในการใส่ และปรับปรุงที่อาจจะได้เกรดต่ำกว่า เป็นโซลูชั่น เราได้พัฒนาระบบที่สามารถทำนายประสิทธิภาพของนักเรียนจากโภชน์ก่อนหน้านี้ใช้แนวคิดของ techniqu การทำเหมืองข้อมูลes ภายใต้ประเภท เราได้รับการวิเคราะห์ชุดข้อมูลที่มีข้อมูลเกี่ยวกับนักศึกษา เพศ เช่นเครื่องหมายที่ทำคะแนนในการสอบบอร์ดของคลาส X XII เครื่องหมาย และลำดับในการสอบเข้าและผลลัพธ์ในปีแรกของชุดก่อนหน้านี้ของนักเรียน โดยใช้การ ID3 (ซ้ำ Dichotomiser 3) และจัดประเภท C4.5 อัลกอริทึมนี้ ข้อมูล เราได้คาดการณ์ทั่วไป และแต่ละประสิทธิภาพของสดยอมรับนักเรียน futurexaminations

ผลลัพธ์ (ไทย) 2:

สถาบันการศึกษาต้องมีความรู้ก่อนโดยประมาณของการลงทะเบียนเรียนที่จะคาดการณ์ผลการดำเนินงานของพวกเขาในเชิงวิชาการในอนาคต ซึ่งจะช่วยให้พวกเขาที่จะระบุตัวตนของนักเรียนที่มีแนวโน้มและยังให้พวกเขามีโอกาสที่จะให้ความสนใจกับการปรับปรุงและผู้ที่อาจจะได้รับเกรดที่ต่ำ เป็นวิธีแก้ปัญหาที่เราได้มีการพัฒนาระบบที่สามารถคาดการณ์ผลการดำเนินงานของนักเรียนจากการแสดงก่อนหน้านี้ใช้แนวความคิดของการทำเหมืองข้อมูล techniqu
เอภายใต้การจัดหมวดหมู่ เรามีการวิเคราะห์ชุดข้อมูลที่มีข้อมูลเกี่ยวกับนักเรียนเช่นเพศเครื่องหมายคะแนนในการสอบคณะกรรมการของการเรียน X และสิบเครื่องหมายและอันดับในการสอบเข้าและผลในปีแรกของชุดของนักเรียนก่อนหน้านี้ โดยใช้ ID3 (ซ้ำ Dichotomiser 3) และอัลกอริทึม C4.5
การจัดหมวดหมู่นี้ข้อมูลที่เราได้คาดการณ์ผลการดำเนินงานของแต่ละบุคคลทั่วไปและนักเรียนเข้ารับการรักษาในfuturexaminations สด

ผลลัพธ์ (ไทย) 3:

สถาบันการศึกษาต้องมีความรู้เดิมของนักเรียนโรงเรียนใกล้เคียงเพื่อทำนายประสิทธิภาพการทำงานของพวกเขาในนักวิชาการในอนาคต นี้จะช่วยให้พวกเขาในการระบุนักเรียนที่มีแนวโน้มและยังให้พวกเขามีโอกาสที่จะให้ความสนใจและปรับปรุงผู้ที่อาจจะได้เกรดต่ำ เป็นโซลูชั่นเราได้พัฒนาระบบที่สามารถทำนายการปฏิบัติงานของนักศึกษา จากการแสดงของพวกเขาก่อนหน้านี้โดยใช้แนวคิดของข้อมูลเหมืองแร่และเทคนิค
ภายใต้การจำแนกประเภท เราได้วิเคราะห์ข้อมูลที่มีข้อมูลเกี่ยวกับนักเรียน เช่น เพศ คะแนนคะแนนในการสอบของคณะกรรมการและชั้นเรียน 12 x ,เครื่องหมาย และตำแหน่งในการสอบคัดเลือกเข้า และผลลัพธ์ในปีแรกของรุ่นก่อนหน้าของนักเรียน โดยการใช้ ID3 ( ซ้ำ dichotomiser 3 ) และโปรแกรม C4.5 ขั้นตอนวิธีการจำแนกข้อมูลนี้
, เราได้คาดการณ์ประสิทธิภาพทั่วไป และบุคคลใน futurexaminations รับนักเรียนใหม่