Data Mining mit Hilfe eines neuronalen Netzes

Heutzutage nimmt die Menge der in Bildungsdatenbanken gespeicherten Daten rapide zu. Diese Datenbanken enthalten verborgene Informationen zur Verbesserung der Leistungen der Schüler. Der Entscheidungsbaum ist der nützlichste Klassifizierungsalgorithmus für das Data Mining im Bildungsbereich, da er einfach auszuführen und im Vergleich zu anderen Algorithmen leichter zu verstehen ist. Mit Hilfe des Entscheidungsbaum-Algorithmus können wir genauere und wertvollere Ergebnisse erhalten, die für Lehrkräfte nützlich sein können, um die Lernergebnisse der Schüler zu verbessern. Die Entscheidungsbaum-Algorithmen ID3, C4.5 und CART wurden auf die Daten von Schülern angewandt, um deren Leistungen vorherzusagen. Alle diese 3 Algorithmen werden jedoch nur für kleine Datenbanken verwendet. Für große Datenbanken verwenden wir einen neuen Algorithmus, nämlich SPRINT, der alle Speicherbeschränkungen und Genauigkeitsprobleme der anderen Algorithmen beseitigt. Er ist schneller und skalierbarer als andere, da er sowohl seriell als auch parallel implementiert werden kann, um eine gute Datenplatzierung und Lastverteilung zu erreichen. In dieser Arbeit wird der SPRINT-Entscheidungsbaumalgorithmus verwendet, um das Problem der Klassifizierung im Bildungssystem zu lösen.