Preview

Радиопромышленность

Расширенный поиск

Оценка прогностических возможностей интеллектуальной системы поддержки принятия решений iWizard-E

https://doi.org/10.21778/2413-9599-2019-29-1-37-44

Полный текст:

Аннотация

Системы интеллектуальной поддержки принятия решений обрабатывают большой объем данных. Зачастую информация повторяется, что замедляет процесс построения прогностических моделей. Система iWizard-E, которая предназначена для оказания помощи абитуриентам вузов в выборе направления подготовки, имеет функцию удаления дублирующихся записей из данных перед построением прогностической модели. В статье проанализировано влияние упомянутой функции на работу системы. Для этого проведена серия экспериментов, в ходе которых были обработаны различные выборки, содержащие индивидуальные характеристики студентов и информацию об окончании ими вуза, после чего сгенерированы рекомендации относительно выбора предпочтительного направления подготовки. Выборки формировались на основе множества, содержащего только уникальные записи. Затем реальные данные были сравнены с результатами, выданными системой. В качестве критерия качества использовалась F-мера. Установлено, что удаление дубликатов положительно влияет на качество работы iWizard- E. Указанный факт имеет серьезное практическое значение: уменьшается объем данных, необходимых для формирования достоверных прогностических моделей и, как следствие, достоверных рекомендаций абитуриентам. Кроме этого, сокращается время, которое требуется на построение прогностических моделей.

Об авторах

С. В. Пальмов
Поволжский государственный университет телекоммуникаций и информатики; Самарский государственный технический университет
Россия

Пальмов Сергей Вадимович - кандидат технических наук, доцент, кафедра «информационные системы и технологии» Поволжский ГУТИ, кафедра «информационные и развивающие образовательные системы и технологии» СГТУ.

443100, Самара, ул. Молодогвардейская, д. 244, тел.: +7 (846) 228-00-64; 443010, Самара, ул. Льва Толстого, д. 23



А. А. Диязитдинова
Поволжский государственный университет телекоммуникаций и информатики
Россия

Диязитдинова Альфия Асхатовна - ассистент, кафедра «информационные системы и технологии».

443010, Самара, ул. Льва Толстого, д. 23, тел.: +7 (846) 228-00-21



Список литературы

1. Сейдаметова С., Адильшаева Э. И. Слабая успеваемость студентов: причины и пути их преодоления // Символ науки. 2016. № 3-2. С. 131-136.

2. Гоибан О.Н. Использование новых информационных технологий в процессе обучения: опыт и перспективы // Педагогическое образование в России. 2014.№ 4. С. 185-189.

3. Delen D., Eryarsoy E., Seker S.E. Introduction to data, text, and web mining for business analytics minitrack. Proceedings of the 50th Hawaii International Conference on System Sciences, 2017, pp. 1110-1111.

4. Мифтахова А. А. Использование методов искусственного интеллекта для повышения успеваемости студентов вузов // Наука и бизнес: пути развития. 2017. № 5. С. 7-12.

5. Пальмов С.В., Мифтахова А.А. Исследование прогностических возможностей системы «iWizard-E» // Международный научно-исследовательский журнал. 2018. № 9-1. С. 67-72. DOI: 10.23670/IRJ.2018.75.9.012.

6. Shung K.P. Accuracy, precision, recall or F1? Towards Data Science, 2018. [Электронный ресурс]. URL: https:// towardsdatascience.com/accuracy-precision-recall-or-f1-331fb37c5cb9 (дата обращения: 15.01.2019).

7. Orange features [Электронный ресурс]. URL: https://orange.biolab.si/#Orange-Features (дата обращения: 03.11.2018).

8. Ceriani L., Verme P. The origins of the Gini index: extracts from Variability e Mutabilita (1912) by Corrado Gini. The Journal of Economic Inequality, 2012, no. 10, pp. 421-443. DOI: 10.1007/s10888-011-9188-x.

9. Du M., Wang S. M., Gong G. Research on decision tree algorithm based on information entropy. Advanced Materials Research, 2011, no. 267, pp. 732-737. DOI: 10.4028/www.scientific.net/AMR.267.732.

10. Zhang H., Zhou R. The analysis and optimization of decision tree based on ID3 algorithm. 9th International Conference on Modelling, Identification and Control (ICMIC), 2017, pp. 924-928. DOI: 10.1109/icmic.2017.8321588.

11. Kareem I. A., Duaimi M.G. Improved accuracy for decision tree algorithm based on unsupervised discretization. International Journal of Computer Science and Mobile Computing, 2014, no. 3, pp.176-183.


Для цитирования:


Пальмов С.В., Диязитдинова А.А. Оценка прогностических возможностей интеллектуальной системы поддержки принятия решений iWizard-E. Радиопромышленность. 2019;29(1):37-44. https://doi.org/10.21778/2413-9599-2019-29-1-37-44

For citation:


Palmov S.V., Diyazitdinova A.A. Evaluation of intelligent decision support system iWizard-E prediction possibilities. Radio industry (Russia). 2019;29(1):37-44. (In Russ.) https://doi.org/10.21778/2413-9599-2019-29-1-37-44

Просмотров: 144


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2413-9599 (Print)
ISSN 2541-870X (Online)