การเลือกปัจจัยในการเพิ่มประสิทธิภาพของแบบจำลองการคัดเลือกหลักสูตรประกาศนียบัตรวิชาชีพด้วยวิธีแรปเปอร์
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยฉบับนี้มีวัตถุประสงค์เพื่อคัดเลือกปัจจัยที่มีความเกี่ยวข้องในการเพิ่มประสิทธิภาพของแบบจำลองการเลือกหลักสูตรระดับประกาศนียบัตรวิชาชีพของนักเรียนระดับชั้นมัธยมศึกษาปีที่ 3 ในงานวิจัยนี้ข้อมูลนักศึกษาที่จบการศึกษาระดับประกาศนียบัตรวิชาชีพจากวิทยาลัยเทคโนโลยี อุตสาหกรรมศรีสงคราม มหาวิทยาลัยนครพนม ตั้งแต่ปีการศึกษา 2555 - 2561 ได้ถูกรวบรวมจำนวน 926 ข้อมูล วิธีแรปเปอร์ได้ถูกนำมาใช้ร่วมกับเทคนิค Random Tree เทคนิค Support Vector Machines และเทคนิค Naive Bayes ในการเลือกปัจจัย เทคนิค Bagging เทคนิค K-Nearest Neighbors เทคนิค Decision Tree C4.5 เทคนิค Random Forest และเทคนิค Artificial Neural ได้ถูกนำมาใช้ในการสร้างแบบจำลองในการวัดประสิทธิภาพการคัดเลือกปัจจัยผู้วิจัยได้ใช้ 10-fold cross validation และวัดด้วยค่าความถูกต้อง ค่าความไว และค่าความจำเพาะ จากการทดลองพบว่าวิธีแรปเปอร์ร่วมกับ Random Tree สามารถเพิ่มค่าความถูกต้องให้กับแบบจำลองการเลือกหลักสูตรระดับประกาศนียบัตรวิชาชีพ สูงถึงร้อยละ 89.13 ค่าความไวสูงถึงร้อยละ 75.86 และค่าจำเพาะสูงถึงร้อยละ 92.86
Article Details
เอกสารอ้างอิง
Hand, D. J., and Adams, N. M. (2014). Data Mining. Wiley StatsRef: Statistics Reference Online. pp. 1-7. DOI: 10.1002/9781118445112.stat06466.pub2
Kladchuen, R. and Sanrach, C. (2018). An Efficiency Comparison of Algorithms and Feature Selection Methods to Predict the Learning Achievement of Vocational Students. RMUTT Research Journal Rajamangala University of Technology Thanyaburi. Vol. 17, Issue 1, pp. 1-10
Wanon, S. M., and Muangsan, R. (2020). A Study and Development of Forecasting Model for the Suitability Characteristics on the Applying Major Selection by Using Data Mining Techniques. Journal of Management Sciences Suratthani Rajabhat University. Vol. 7, No. 1, pp. 135-152
Kira, K. and Rendell, L. A. (1992). A Practical Approach to Feature Selection. Machine Learning Proceedings 1992. pp. 249-256. DOI: 10.1016/B978-1-55860-247-2.50037-1
Akarachantachote, N. (2016). Feature Selection for High-Dimensional Data in Classification. Research Methodology and Cognitive Science. Vol. 8, No. 2, October 2010 - March 2011. pp. 1-13
Witten, I. H. (2014). More Data Mining with Weka. MOOC Course Material, Department of Computer Science University of Waikato New Zealand
John, G. H., Kohavi, R., and Pfleger, K. (1994). Irrelevant Features and the Subset Selection Problem. Machine Learning Proceedings 1994. pp. 121-129. DOI: 10.1016/B978-1-55860-335-6.50023-4
Aldous, D. (1991). The Continuum Random Tree. I. The Annals of Probability. Vol. 19, No. 1, pp. 1-28
Pinmuang, N. and Thongkam, J. (2018). Classifying Thai Opinions on Online Media Using Text Mining. Journal of Science and Technology Mahasarakham University. Vol. 37, No. 3, pp. 372-379
Larose, D. T. and Larose, D. T. (2006). Data Mining Methods and Models. John Wiley & Sons, Inc., Hoboken, New Jersey
Breiman, L. (1996). Bagging Predictors. Machine Learning. Vol. 24, No. 2, pp. 123-140. DOI: 10.1023/A:1018054314350
Ertugrul, O. F. and Tagluk, M. E. (2017). A Novel Version of k Nearest Neighbor: Dependent Nearest Neighbor. Applied Soft Computing. Vol. 55, pp. 480-490. DOI: 10.1016/j.asoc.2017.02.020
Jankowski, D. and Jackowski, K. (2014). Evolutionary Algorithm for Decision Tree Induction. In: Saeed K., Snášel V. (eds). Computer Information Systems and Industrial Management. CISIM 2015. Lecture Notes in Computer Science, Vol. 8838. Springer, Berlin, Heidelberg. DOI: 10.1007/978-3-662-45237-0_4
Breiman, L. (2001). Random Forests. Machine learning. Vol. 45, No. 1, pp. 5-32. DOI: 10.1023/A:1010933404324
Yegnanarayana, B. (2009). Artificial Neural Networks. PHI Learning Pvt. Ltd.
Donrat, P. and Thongkam, J. (2018). The Comparison of Performance Models for Predicting Students Success in Vocation Education. Journal of Science and Technology Mahasarakham University. Vol. 37, No. 3, pp. 380-388
Baratloo, A., Hosseini, M., Negida, A., and1 El Ashal, G. (2015). Part 1: Simple Definition and Calculation of Accuracy, Sensitivity and Specificity. Emergency (Tehran, Iran). Vol. 3, No. 2, pp. 48-49
Wanon, S., Arreerard, T., and Sanrach, C. (2018). A Study of Techniques in Predicting Career Counseling for Undergraduate Students of the Computer Program by Using Data Mining Technique. Journal of Information Technology Management and Innovation. Vol. 5, No. 1, pp. 164-171
