Machine learning algorithms such as

Machine learning algorithms such as the ID3 learning algorithm can learn effective predictive models from the student dropout data accumulated from the previous years, because the precision value for dropout student is highest 85.7%. The empirical results show that we can produce short but accurate prediction list for the student dropout purpose by applying the predictive models to the records of
incoming new students. This study will also work to identify those students which needed special attention to reduce drop-out rate.

ผลลัพธ์ (ไทย) 1:

เครื่องเรียนรู้อัลกอริทึมเป็นอัลกอริทึม ID3 เรียนสามารถเรียนรู้ประสิทธิภาพการณ์จากข้อมูลถอนนักสะสมจากปีก่อนหน้านี้ เนื่องจากค่าความแม่นยำการถอน สูงสุด 85.7% ผลลัพธ์เชิงประจักษ์แสดงเราสามารถผลิตรายการสั้น แต่แม่นยำทำนายประสงค์ถอนนักเรียน โดยใช้แบบจำลองระบบระเบียนของนักเรียนใหม่เข้ามา การศึกษานี้จะทำงานเพื่อระบุนักเรียนเหล่านั้นซึ่งต้องการความสนใจเป็นพิเศษเพื่อลดอัตราการหล่นออกมา

ผลลัพธ์ (ไทย) 2:

ขั้นตอนวิธีการเรียนรู้ของเครื่องเช่นการเรียนรู้ขั้นตอนวิธี ID3 สามารถเรียนรู้รูปแบบการพยากรณ์ที่มีประสิทธิภาพจากข้อมูลของนักเรียนออกกลางคันสะสมจากปีก่อนเนื่องจากค่าความแม่นยำสำหรับนักเรียนที่ออกกลางคันมากที่สุดก็คือ 85.7% ผลการศึกษาแสดงให้เห็นว่าเราสามารถผลิตรายการสั้น ๆ แต่การคาดการณ์ที่ถูกต้องเพื่อวัตถุประสงค์ในการออกกลางคันของนักเรียนโดยใช้แบบจำลองทำนายบันทึกของ
นักศึกษาใหม่ที่เข้ามา การศึกษาครั้งนี้ยังจะทำงานเพื่อแจ้งนักเรียนเหล่านั้นซึ่งจำเป็นต้องให้ความสนใจเป็นพิเศษเพื่อลดอัตราการลดลงออก

ผลลัพธ์ (ไทย) 3:

อัลกอริทึมการเรียนรู้ของเครื่องจักรเช่น ID3 อัลกอริทึมการเรียนรู้สามารถเรียนรู้ตัวแบบทำนายที่มีประสิทธิภาพจากนักเรียนออกกลางคันข้อมูลสะสมจากปีก่อนหน้านี้ เพราะความคุ้มค่านักเรียนมหิดลสูงสุด 15 % ผลการศึกษาแสดงให้เห็นว่า เราสามารถผลิตรายการสั้น ๆแต่ที่ถูกต้องสำหรับนักเรียนออกกลางคันมีการทำนายโดยใช้แบบจำลองพยากรณ์การบันทึกของที่เข้ามาใหม่ นักเรียน นักศึกษา การศึกษานี้จะทำงานเพื่อระบุผู้ซึ่งต้องการความสนใจพิเศษเพื่อลดการปล่อยออก อัตรา