Estudio comparativo de algoritmos de predicción para la minería de datos aplicado al area académica FIE-ESPOCH.

Estudio comparativo de algoritmos de predicción para la minería de datos aplicado al area académica FIE-ESPOCH.

Estudio comparativo de algoritmos de minería de datos para determinar el algoritmo de mejor desempeño aplicado al área académica de la Facultad de Informática y Electrónica de la Escuela Superior Politécnica de Chimborazo. Para comprobar la hipótesis sobre el desempeño de los algoritmos seleccionado...

पूर्ण विवरण

में बचाया:
ग्रंथसूची विवरण
मुख्य लेखक: Gallegos Carrillo, Katherine Maribel (author)
स्वरूप: bachelorThesis
भाषा:spa
प्रकाशित: 2015
विषय:
ANÁLISIS
MINERÍA DE DATOS
ALGORITMOS
REGRESIÓN LOGÍSTICA
ÁRBOL DE DECISIÓN
PREDICCIÓN
PATRONES
ऑनलाइन पहुंच:https://dspace.espoch.edu.ec/handle/123456789/4321
टैग: टैग जोड़ें
कोई टैग नहीं, इस रिकॉर्ड को टैग करने वाले पहले व्यक्ति बनें!
विवरण
सारांश:Estudio comparativo de algoritmos de minería de datos para determinar el algoritmo de mejor desempeño aplicado al área académica de la Facultad de Informática y Electrónica de la Escuela Superior Politécnica de Chimborazo. Para comprobar la hipótesis sobre el desempeño de los algoritmos seleccionados, se utilizó el método científico y los siguientes elementos: un computador portátil y herramientas software: Microsoft SQL Server, Microsoft Data Quality, Microsoft Data Tools y Microsoft Analisys Services, y la técnica de observación para realizar las mediciones. La prueba z para dos colas y un nivel de significancia del 5%, fue aplicado sobre el uso de la Unidad Central de Proceso (CPU), uso de la Memoria de Acceso Aleatorio (RAM), tiempo de respuesta y precisión de los algoritmos. El resultado del análisis arrojó que el algoritmo de Árbol de Decisión tiene mejor desempeño que el algoritmo de Regresión Logística con 98,92% sobre 95,70% de desempeño. Bajo la guía de la metodología Cross Industry Standard Process for Data Mining, CRISP-DM se implementó el proyecto de minería de datos sobre la información de indicadores académicos de la Facultad de Informática y Electrónica, haciendo uso del algoritmo Árbol de Decisión de Microsoft, para obtener los patrones de comportamiento requeridos. Se concluye que el algoritmo de Árbol de Decisión tiene mejor desempeño que el Algoritmo de Regresión Logística sobre los datos académicos de la Facultad de Informática y Electrónica. Se recomienda realizar un estudio inicial de datos previo a la elección de los algoritmos para evitar el descarte de tipos de datos existentes en un proyecto de minería de datos.

समान संसाधन