การเปรียบเทียบประสิทธิภาพระหว่างเทคนิค Decision Tree C45 k-NN และ Naive Bayes เพื่อใช้พยากรณ์ผลสอบมาตรฐานด้านเทคโนโลยีสารสนเทศ มหาวิทยาลัยราชภัฏนครปฐม

The performance comparison between Decision Tree C4.5, k-NN and Naive Bayes to predict the exit exam of information technology of Nakhon Pathom Rajabhat University.

Name: วิรชา วิรัชกุล

keyword: Naive Bayesian.

ThaSH: เทคโนโลยีสารสนเทศ -- การสอบ -- พยากรณ์

ThaSH: การสอบ -- พยากรณ์

ThaSH: เหมืองข้อมูล

Abstract: สารนิพนธ์ฉบับนี้จัดทำขึ้นเพื่อวัดประสิทธิภาพของวิธีการพยากรณ์แบบการทำเหมืองข้อมูล (Data Mining) โดยมีวิธีการจำแนกข้อมูล (Data Classification) 3 แบบ คือ Decision Tree C4.5 , k-NN และ Naive Bayes เพื่อใช้พยากรณ์ผลสอบมาตรฐานด้านเทคโนโลยีสารสนเทศของนักศึกษามหาวิทยาลัยราชภัฏนครปฐม ซึ่งใช้โปรแกรม RapidMiner Studio เป็นเครื่องมือในการประมวลผล โดยนำข้อมูลนักศึกษาจาก ฐานข้อมูลสารสนเทศงานทะเบียน มหาวิทยาลัยราชภัฏนครปฐม ตั้งแต่ปี 2552-2557 มาเป็นกลุ่มข้อมูลประชากรเพื่อใช้ในการประมวลผล ซึ่งประเภทของข้อมูลที่นำมาใช้ ได้แก่ ข้อมูลประเภทนักศึกษา ชั้นปี เพศ อายุ คณะ วุฒิการศึกษา ผลการเรียน-เฉลี่ยและผลการสอบมาตรฐานเทคโนโลยีสารสนเทศ ทั้งนี้เพื่อทำการประเมินประสิทธิภาพของโมเดลที่สร้างขึ้น จึงมีการใช้เทคนิค 10-Fold Cross Validation เพื่อให้ได้ค่าที่มีความถูกต้องมากที่สุด จากการประมวลผลทำให้ทราบว่า การพยากรณ์ด้วยเทคนิค Naive Bayes ให้ค่าความถูกต้อง(Accuracy) เท่ากับ ร้อยละ94.35 และมีค่าความผิดพลาด(Absolute Error) เท่ากับ 0.059 ซึ่งเป็นวิธีการที่ให้ผลลัพธ์ดีกว่าวิธีอื่นๆ จึงสรุปได้ว่า เทคนิคการพยากรณ์ด้วยวิธีการจำแนกข้อมูลแบบ Naive Bayes มีความเหมาะสมกับข้อมูลของมหาวิทยาลัยราชภัฏนครปฐมมากที่สุด

Abstract: This thesis aims to measure an effectiveness of data mining in forecasting a result of IT Standards Test for students of Nakhon Pathom Rajabhat University. Three data classification techniques consisting of Decision Tree C4.5, k-NN, and Naïve Bayes focus on this study by adopting RapidMiner Studio program as a tool in evaluating data. The population to be tested in this study is taken from the student database provided by the university’s register office from year 2009 to 2014, including student type, year, gender, age, faculty, education level, grade point average, and IT standards test score. Besides, 10-Fold Cross Validation is applied in an evaluation of model effectiveness for the purpose that the most accurate value could be achieved. The result of the study shows that Native Bayes technique delivers the best solution amongst all techniques with an accuracy level at 94.35% and absolute error at 0.059. Therefore, it could be concluded that Native Bayes is the most appropriate data classification techniques for Nakhon Pathom Rajabhat University

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: ธวัชชัย งามสันติวงศ์

Role: ที่ปรึกษาสารนิพนธ์

Email : tvc@kmutnb.ac.th

Created: 2557

Modified: 2020-09-06

Issued: 2558-07-06

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: E-THESIS

tha

DegreeName: วิทยาศาสตร์มหาบัณฑิต

Level: ปริญญาโท

Descipline: วิทยาการคอมพิวเตอร์

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B15898349.pdf	3.33 MB	237	2026-05-26 18:16:01

ใช้เวลา

0.042155 วินาที