Clustering is finding groups of obj

Clustering is finding groups of objects such that the
objects in one group will be similar to one another and
different from the objects in another group [7]. In
educational data mining, clustering has been used to
group students according to their behavior. For
example, Romero in [18] used clustering to distinguish
active students from non-active according to their
performance in activates. According to this clustering,
instructor groups active students with non-active
students for better students' performance.
In our case we used Expectation-Maximization
Algorithm (EM-clustering) to cluster the given data. An
EM algorithm [5][4] is a mixture based algorithm that
finds maximum likelihood estimates of parameters in
probabilistic models. In our case, we used EMclustering
to group students according to their
performance. Figure (5.3) gives Mean of each cluster
for each attribute. Using these results we can divide
students into five groups and guide them according to
their behavior.

ผลลัพธ์ (ไทย) 1:

คลัสเตอร์คือการหากลุ่มของวัตถุเช่นว่าวัตถุในกลุ่มหนึ่งจะคล้ายกับคนอื่น และแตกต่างจากวัตถุในกลุ่มอื่น [7] ในคลัสเตอร์มีการศึกษาข้อมูลการทำเหมืองแร่ ใช้ในการนักเรียนกลุ่มตามลักษณะการทำงาน สำหรับตัวอย่าง Romero ใน [18] ใช้คลัสเตอร์ในการแยกความแตกต่างนักเรียนที่ใช้งานอยู่จากไม่ได้ใช้งานตามความประสิทธิภาพในการเรียกใช้งาน ตามนี้คลัสเตอร์ผู้สอนกลุ่มนักเรียนที่ใช้งานอยู่ ด้วยไม่ได้ใช้งานนักเรียนเพื่อประสิทธิภาพที่ดีกว่านักเรียนในกรณี ที่เราใช้ Maximization ความคาดหวังอัลกอริทึม (คลัสเตอร์ EM) กับคลัสเตอร์ข้อมูล มีอัลกอริทึม EM [5] [4] เป็นอัลกอริทึมโดยใช้ส่วนผสมที่ค้นหาความเป็นไปได้สูงสุดประมาณของพารามิเตอร์ในรุ่น probabilistic ในกรณีของเรา เราใช้ EMclusteringกลุ่มนักเรียนตามความประสิทธิภาพของ รูป (5.3) ให้ค่าเฉลี่ยของแต่ละคลัสเตอร์สำหรับแต่ละแอททริบิวต์ ใช้ผลนี้เราสามารถแบ่งนักเรียนเป็น 5 กลุ่ม และพวกเขาตามพฤติกรรมของพวกเขา

ผลลัพธ์ (ไทย) 2:

Clustering คือการหากลุ่มของวัตถุดังกล่าวว่า
วัตถุที่อยู่ในกลุ่มหนึ่งจะคล้ายกับคนอื่นและ
แตกต่างจากวัตถุในอีกกลุ่มหนึ่ง [7] ใน
การทำเหมืองข้อมูลการศึกษาการจัดกลุ่มที่ได้รับการใช้ใน
กลุ่มนักเรียนตามพฤติกรรมของพวกเขา สำหรับ
ตัวอย่างเช่นโรเมโรใน [18] ใช้การจัดกลุ่มที่จะแยกแยะ
นักเรียนใช้งานจากที่ไม่ทำงานตามที่พวกเขา
ประสิทธิภาพในการเปิดใช้งาน ตามการจัดกลุ่มนี้
กลุ่มครูผู้สอนนักเรียนที่ใช้งานกับไม่ได้ใช้งาน
นักเรียนเพื่อให้ได้ประสิทธิภาพที่ดีกว่านักเรียน '.
ในกรณีที่เราใช้ในการเพิ่มประสิทธิภาพของความคาดหวัง-
อัลกอริทึม (EM-การจัดกลุ่ม) ที่จะจัดกลุ่มข้อมูลที่กำหนด
อัลกอริทึม EM [5] [4] เป็นส่วนผสมขั้นตอนวิธีการตามที่
ประมาณการพบว่าน่าจะเป็นสูงสุดของพารามิเตอร์ใน
รูปแบบความน่าจะเป็น ในกรณีของเราเราใช้ EMclustering
ให้กับนักเรียนที่กลุ่มของพวกเขาเป็นไปตาม
ผลการปฏิบัติงาน รูป (5.3) ให้ค่าเฉลี่ยของแต่ละกลุ่ม
สำหรับแต่ละแอตทริบิวต์ ใช้ผลลัพธ์เหล่านี้เราสามารถแบ่ง
นักเรียนออกเป็นห้ากลุ่มและให้คำแนะนำพวกเขาตาม
พฤติกรรมของพวกเขา

ผลลัพธ์ (ไทย) 3:

การแบ่งกลุ่มคือการหากลุ่มของวัตถุเช่นที่
วัตถุในกลุ่มหนึ่งจะคล้ายคลึงกับอีกคน
แตกต่างจากวัตถุในกลุ่มอื่น [ 7 ] ใน
เหมืองข้อมูลการจัดกลุ่มการศึกษาถูกใช้กับนักเรียน
กลุ่มตามพฤติกรรมของพวกเขา สำหรับ
ตัวอย่าง Romero [ 18 ] ใช้ในการจัดกลุ่มแยกแยะ
นักเรียนปราดเปรียวจากไม่ปราดเปรียวตามผลงานของพวกเขา
ในใช้ .ตามนี้ การเข้ากลุ่ม กลุ่มนักศึกษากับผู้สอนอยู่

ไม่ใช้นักเรียนการแสดงของนักเรียนดีขึ้น
ในกรณีของเราเราใช้ความคาดหวังสูงสุด
ขั้นตอนวิธี ( เอ็มคลัสเตอร์ ) กลุ่มข้อมูลที่ได้รับ เป็นขั้นตอนวิธีอีเอ็ม
[ 5 ] [ 4 ] เป็นส่วนผสมที่ใช้ขั้นตอนวิธีการที่
พบความเป็นไปได้สูงสุดประมาณค่าพารามิเตอร์ในแบบจำลองความน่าจะเป็น
. ในกรณีของเรา , เราใช้ emclustering
นักเรียนกลุ่มตามความสามารถ

รูป ( 5.3 ) ให้ความหมายของแต่ละกลุ่ม
สำหรับแต่ละคุณลักษณะ การใช้ผลลัพธ์เหล่านี้เราสามารถแบ่งนักเรียนออกเป็น 5 กลุ่ม และแนะนำ

ตามพฤติกรรมของพวกเขา