Now-a-days the amount of data store

Now-a-days the amount of data stored in educational database increasing rapidly. These databases contain hidden
information for improvement of students’ performance. Educational data mining is used to study the data available in the
educational field and bring out the hidden knowledge from it. Classification methods like decision trees, Bayesian network etc can
be applied on the educational data for predicting the student’s performance in examination. This prediction will help to identify
the weak students and help them to score better marks. The C4.5, ID3 and CART decision tree algorithms are applied on
engineering student’s data to predict their performance in the final exam. The outcome of the decision tree predicted the number
of students who are likely to pass, fail or promoted to next year. The results provide steps to improve the performance of the
students who were predicted to fail or promoted. After the declaration of the results in the final examination the marks obtained by
the students are fed into the system and the results were analyzed for the next session. The comparative analysis of the results
states that the prediction has helped the weaker students to improve and brought out betterment in the result.

ผลลัพธ์ (ไทย) 2:

ตอนนี้มีวันที่จำนวนข้อมูลที่เก็บไว้ในฐานข้อมูลการศึกษาเพิ่มขึ้นอย่างรวดเร็ว ฐานข้อมูลเหล่านี้มีที่ซ่อนข้อมูลในการปรับปรุงผลการดำเนินงานของนักเรียน
การทำเหมืองข้อมูลการศึกษาจะใช้ในการศึกษาข้อมูลที่มีอยู่ในเขตการศึกษาและนำมาออกความรู้ที่ซ่อนอยู่จากมัน
วิธีการจำแนกเช่นต้นไม้ตัดสินใจ ฯลฯ
เครือข่ายแบบเบย์สามารถนำมาประยุกต์ใช้กับข้อมูลการศึกษาในการทำนายผลการปฏิบัติงานของนักเรียนในการตรวจสอบ คำทำนายนี้จะช่วยในการระบุนักเรียนที่อ่อนแอและช่วยให้พวกเขาทำคะแนนได้ดีกว่า
C4.5, ID3
และรถเข็นตัดสินใจขั้นตอนวิธีต้นไม้จะนำไปใช้ในข้อมูลของนักศึกษาวิศวกรรมที่จะคาดการณ์ผลการดำเนินงานของพวกเขาในการสอบปลายภาค ผลของต้นไม้ตัดสินใจที่คาดการณ์ไว้จำนวนของนักเรียนที่มีแนวโน้มที่จะผ่านล้มเหลวหรือการเลื่อนตำแหน่งให้ในปีถัดไป
ผลการให้ขั้นตอนในการปรับปรุงประสิทธิภาพการทำงานของนักเรียนที่ได้รับการคาดการณ์ว่าจะล้มเหลวหรือการส่งเสริมการลงทุน
หลังจากการประกาศผลในการตรวจสอบขั้นสุดท้ายเครื่องหมายที่ได้จากนักเรียนที่ป้อนเข้าระบบและผลที่ได้มาวิเคราะห์สำหรับครั้งต่อไป
การวิเคราะห์เปรียบเทียบผลระบุว่าทำนายได้ช่วยให้นักเรียนปรับตัวลดลงในการปรับปรุงและนำออกมาดีขึ้นในผลที่ได้

ผลลัพธ์ (ไทย) 3:

ตอนนี้ต่อวันปริมาณของข้อมูลที่เก็บไว้ในฐานข้อมูลทางการศึกษาเพิ่มขึ้นอย่างรวดเร็ว ฐานข้อมูลนี้ประกอบด้วยข้อมูลที่ซ่อน
การปรับปรุงสมรรถนะของผู้เรียน การทำเหมืองข้อมูลการศึกษาถูกใช้เพื่อศึกษาข้อมูลในด้านการศึกษาและ
เอาซ่อนความรู้จากมัน การจำแนกวิธีเหมือนต้นไม้ การตัดสินใจ ฯลฯ สามารถ
คชกรรมเครือข่ายใช้ในการศึกษาข้อมูลเพื่อทำนายสมรรถนะของนักศึกษาในการสอบ คำทำนายนี้จะช่วยระบุ
นักเรียนอ่อน และช่วยให้คะแนนดีขึ้น ส่วนโปรแกรม C4.5 ขั้นตอนวิธีต้นไม้ตัดสินใจและ ID3 , รถเข็นใช้ใน
ข้อมูลนักศึกษาวิศวกรรมเพื่อทำนายประสิทธิภาพการทำงานของพวกเขาในการสอบปลายภาค ผลของการตัดสินใจแบบต้นไม้ทำนายหมายเลข
ของนักเรียนที่มีแนวโน้มที่จะผ่าน ไม่ผ่าน หรือเลื่อนไปปีหน้า ผลให้ขั้นตอนเพื่อปรับปรุงประสิทธิภาพของ
นักเรียนทำนายล้มเหลว หรือเลื่อนขั้น หลังจากที่ประกาศผลสอบคะแนนได้โดย
นักเรียนป้อนเข้าระบบและวิเคราะห์ผลสำหรับครั้งถัดไป การวิเคราะห์เปรียบเทียบผล
ระบุว่า การคาดการณ์จะช่วยนักเรียนที่แข็งแกร่งเพื่อปรับปรุงและนำขึ้นในผล