his paper proposes to apply data mi

his paper proposes to apply data mining techniques to predict school failure and dropout. We use real data on 670 middle-school students from Zacatecas, México, and employ white-box classification methods, such as induction rules and decision trees. Experiments attempt to improve their accuracy for predicting which students might fail or dropout by first, using all the available attributes; next, selecting the best attributes; and finally, rebalancing data and using cost sensitive classification. The outcomes have been compared and the models with the best results are shown.

ผลลัพธ์ (ไทย) 1:

กระดาษของเขาเสนอให้ใช้เทคนิคเหมืองข้อมูลการทำนายความล้มเหลวของโรงเรียนและเป็นถอน เราใช้ข้อมูลที่แท้จริงกับนักเรียนโรงเรียนมัธยมต้น 670 จาก Zacatecas, México และใช้วิธีการจัดประเภทกล่องขาว กฎการเหนี่ยวนำและต้นไม้ตัดสินใจ พยายามทดลองเพื่อปรับปรุงความถูกต้องของการคาดการณ์ที่นักเรียนอาจล้มเหลวหรือเป็นถอน โดยแรก ใช้ทั้งหมดมีแอตทริบิวต์ เลือกแอททริบิวต์ที่สุด ถัดไป และในที่สุด ปรับสมดุลข้อมูล และใช้ต้นทุนประเภทที่สำคัญ ผลได้รับการเปรียบเทียบ และแสดงรูปแบบ ด้วยสุด

ผลลัพธ์ (ไทย) 2:

กระดาษของเขาเสนอที่จะใช้เทคนิคการทำเหมืองข้อมูลที่จะคาดการณ์และความล้มเหลวของโรงเรียนกลางคัน เราใช้ข้อมูลจริงใน 670 นักเรียนระดับมัธยมศึกษาจาก Zacatecas, เม็กซิโก, และการจ้างงานกล่องสีขาววิธีการจำแนกเช่นกฎการเหนี่ยวนำและต้นไม้ตัดสินใจ การทดลองพยายามที่จะปรับปรุงความถูกต้องของพวกเขาสำหรับการคาดการณ์ที่นักเรียนอาจจะล้มเหลวหรือการออกกลางคันเป็นครั้งแรกโดยใช้คุณลักษณะทั้งหมดที่มีอยู่; ต่อไปการเลือกคุณลักษณะที่ดีที่สุด; และในที่สุดการปรับสมดุลโดยใช้ข้อมูลและค่าใช้จ่ายในการจัดหมวดหมู่ที่มีความสำคัญ ผลได้รับการเปรียบเทียบและรุ่นที่มีผลลัพธ์ที่ดีที่สุดที่จะแสดง

ผลลัพธ์ (ไทย) 3:

กระดาษของเขา เสนอให้ใช้เทคนิคเหมืองข้อมูลเพื่อทำนายความล้มเหลวในโรงเรียนและออกกลางคัน . เราใช้ข้อมูลที่แท้จริงต่อนักเรียน ม.ต้น จาก 670 Zacatecas , ฉัน́ Xico , และใช้วิธีการจำแนกกล่องสีขาว เช่น กฎการเหนี่ยวนำและต้นไม้การตัดสินใจ การทดลองที่พยายามที่จะปรับปรุงความถูกต้องของพวกเขาสำหรับการประมาณการ ซึ่งนักเรียนอาจจะล้มเหลวหรือออกกลางคันโดยครั้งแรกใช้ทั้งหมดที่มีคุณสมบัติ ;ต่อไป การเลือกคุณลักษณะที่ดีที่สุด และสุดท้าย การปรับสมดุลและการใช้ข้อมูลต้นทุนที่ละเอียดอ่อน ผลลัพธ์ที่ได้เมื่อเทียบกับรุ่นที่มีผลลัพธ์ที่ดีที่สุดจะแสดง