TAILIEUCHUNG - Ứng dụng kỹ thuật học máy trên dữ liệu mất cân bằng hỗ trợ dự đoán sớm khả năng thôi học của học sinh trung học phổ thông

Bài viết đề xuất một mô hình học máy cho bài toán phân lớp trên tập dữ liệu mất cân bằng, trong đó sử dụng kết hợp kỹ thuật sinh mẫu tổng hợp SMOTE và giải thuật AdaBoost cho thuật toán Cây quyết định. | Trường Đại học Vinh Tạp chí khoa học Tập 49 - Số 2A 2020 tr. 47-56 ỨNG DỤNG KỸ THUẬT HỌC MÁY TRÊN DỮ LIỆU MẤT CÂN BẰNG HỖ TRỢ DỰ ĐOÁN SỚM KHẢ NĂNG THÔI HỌC CỦA HỌC SINH TRUNG HỌC PHỔ THÔNG Võ Đức Quang 1 Nguyễn Thị Lan Anh 2 Mai Hồng Mận 3 Cao Thanh Sơn 4 1 Viện Kỹ thuật và Công nghệ Trường Đại học Vinh Nghiên cứu sinh Trường Đại học Bách Khoa Hà Nội 2 Trường THPT Đông Hiếu Thái Hòa Nghệ An 3 Lớp 58K4 Công nghệ thông tin Viện Kỹ thuật và Công nghệ Trường Đại học Vinh 4 Viện Kỹ thuật và Công nghệ Trường Đại học Vinh Ngày nhận bài 29 5 2020 ngày nhận đăng 13 7 2020 Tóm tắt Bài báo đề xuất một mô hình học máy cho bài toán phân lớp trên tập dữ liệu mất cân bằng trong đó sử dụng kết hợp kỹ thuật sinh mẫu tổng hợp SMOTE và giải thuật AdaBoost cho thuật toán Cây quyết định. Các tác giả đã tiến hành thực nghiệm đánh giá so sánh hiệu quả phân lớp của mô hình đã đề xuất với các giải thuật Cây quyết định sử dụng entropy và chỉ số Gini trên bộ dữ liệu thực tế thu thập tại Trường trung học phổ thông THPT Đông Hiếu Thái Hòa Nghệ An từ năm 2014 đến năm 2019. Kết quả nghiên cứu có thể sử dụng làm nền tảng để xây dựng ứng dụng hỗ trợ dự đoán sớm khả năng thôi học của học sinh THPT có ý nghĩa góp phần nâng cao chất lượng giáo dục đào tạo của nhà trường và các cấp quản lý giáo dục. Từ khóa Học máy khai phá dữ liệu dữ liệu mất cân bằng Cây quyết định AdaBoost SMOTE. 1. Mở đầu Phân lớp dữ liệu là một bài toán phổ biến trong các ứng dụng khai phá dữ liệu xây dựng các hệ dự đoán dự báo hay khuyến nghị. nhằm hỗ trợ con người trong nhiều lĩnh vực của đời sống. Các phương pháp giải quyết bài toán phân lớp thường sử dụng mô hình dạng luật hoặc sử dụng các giải thuật học máy như Cây quyết định Mạng nơ-ron Naïve Bayes Support Vector Machines Trong nhiều trường hợp các giải thuật này không đạt hiệu quả cao khi các bộ dữ liệu có sự chênh lệch lớn về số lượng mẫu học của các nhãn lớp gọi là bộ dữ liệu mất cân bằng. Trong bộ dữ liệu đó nhãn lớp có số lượng mẫu học lớn được gọi là lớp đa số nhãn .

• Giáo dục học
• Khai phá dữ liệu
• Dữ liệu mất cân bằng
• Cây quyết định
• Mô hình học máy
• Giải thuật AdaBoost
• Khai phá quá trình
• Môn học Khai phá dữ liệu
• Nội dung Khai phá dữ liệu
• Dạy học Khai phá dữ liệu
• Bài luận môn Khai phá dữ liệu
• Bài giảng Khai phá dữ liệu
• Quá trình khám phá tri thức
• Vai trò khai phá dữ liệu
• ứng dụng khai phá dữ liệu
• Ý nghĩa khai phá dữ liệu
• Bài giảng môn học Khai phá dữ liệu
• Tổng quan về khai phá dữ liệu
• Bài toán khai phá dữ liệu
• Giai đoạn trong khai phá dữ liệu
• Ứng dụng của khai phá dữ liệu
• Nhập môn khai phá dữ liệu
• Bài giảng Nhập môn khai phá dữ liệu
• Tài nguyên khai phá dữ liệu
• Khai phá quy trình
• Học máy suốt đời
• Bài giảng Nhập môn Học máy và Khai phá dữ liệu
• Nhập môn Học máy và Khai phá dữ liệu
• Học máy và khai phá dữ liệu
• Kiểu dữ liệu có cấu trúc
• Kiểu dữ liệu phi cấu trúc
• Data mining
• Khám phá tri thức
• Vai trò của khai phá dữ liệu
• Lợi ích của khai phá dữ liệu
• Tiến trình khai phá dữ liệu
• Phương pháp khai phá dữ liệu
• Từ dữ liệu đến quyết định
• Khai phá dữ liệu trong kinh doanh
• Bài giảng Khai phá dữ liệu trong kinh doanh
• Kho dữ liệu
• Quy trình khai phá dữ liệu trong kinh doanh
• Kỹ thuật của khai phá dữ liệu
• Thuật toán K Means
• Hệ thống thông tin
• Vấn đề khai phá dữ liệu
• Tìm hiểu quá trình khai phá dữ liệu
• Bài giảng Kho dữ liệu và khai phá dữ liệu
• Kho dữ liệu và khai phá dữ liệu
• Bài toán trong khai phá dữ liệu
• Phương pháp cơ bản trong khai phá dữ liệu
• Kỹ thuật tích hợp cơ sở dữ liệu
• Mô hình dữ liệu mở rộng XML
• Phát triển ứng dụng khai phá dữ liệu
• Chuẩn dành cho khai phá dữ liệu
• Kỹ thuật khai phá dữ liệu
• Khai phá tri thức
• Nhà kho dữ liệu
• Khoa học máy tính
• Nghiên cứu trong khai phá dữ liệu
• Cơ sở dữ liệu
• Kiểu mẫu được khai phá
• Công nghệ khai phá dữ liệu
• Machine learning
• Hướng dữ liệuKhai phá dữ liệu phân tán
• Khai phá dữ liệu không tĩnh
• Khai phá luật kết hợp
• Khai phá mẫu dãy
• Khai phá kết hợp dựa theo ràng buộc
• Thuật toán khai phá vô hướng luật kết hợp
• Khai phá quan điểm
• Khai phá phương tiện xã hội
• Bài giảng Khai phá quan điểm
• Nội dung Khai phá phương tiện xã hội
• Mục tiêu Khai phá phương tiện xã hội
• Bài toán khai phá quan điểm
• Mô hình khai phá quan điểm
• Nhu cầu về khai phá dữ liệu
• Mô hình quá trình KDD lặp
• Association rule
• Xử lý cơ sở dữ liệu
• Kiểu dữ liệu
• Kiểu mẫu dùng để khai phá
• Ứng dựng của kho dữ liệu
• Ứng dựng của khai phá dữ liệu