抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,新しい事例を分類するために,いくつかの分野で使用できるデータベース(知識発見,KDD)における知識を発見する方法論を提示することを目的とした。この方法論は,最も重要な変数(属性,情報)を検出し,自動化された方法で新しいインスタンスの分類を実現し,その精度を最大化する。その応用は,品質と提供されるサービスに関連する学生の満足度を検証するために,高等教育の民間機関のコースで示される。KDDプロセスに基づいて,最初にデータ探索解析を実現し,その後,3つのデータマイニング技術を適用した。すなわち,ロジスティック回帰二値(LRB),線形計画法数学モデルによる誤差を最小化する表面の生成(GSME-PL)およびFisher判別線形関数(FDLF)である。885例を分析し,12の変数と出力(満足)を得た。得られた結果を通して,「教師」に関連する属性が最も重要であり,扱われた事例に対して,RLBが最も高い精度率(92.2%)を有する技術であると結論づけることができた。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】