Comparación de algoritmos de aprendizaje supervisado para la obtención de perfiles de alumnos desertores
En los últimos años, las técnicas de Minería de Datos han sido progresivamente incorporadas al ámbito universitario, como consecuencia del gran volumen de datos del que se dispone y del notable esfuerzo que se requiere para realizar análisis de los mismos. Este artículo presenta la comparación del r...
Guardado en:
| Autores principales: | , |
|---|---|
| Otros Autores: | |
| Formato: | submittedVersion Documento de conferencia |
| Lenguaje: | Español |
| Publicado: |
Universidad Católica de Salta. Facultad de Ingeniería (Salta)
2016
|
| Materias: | |
| Acceso en línea: | https://bibliotecas.ucasal.edu.ar/opac_css/index.php?lvl=cmspage&pageid=24&id_notice=61393 |
| Aporte de: |
| Sumario: | En los últimos años, las técnicas de Minería de Datos han sido progresivamente incorporadas al ámbito universitario, como consecuencia del gran volumen de datos del que se dispone y del notable esfuerzo que se requiere para realizar análisis de los mismos. Este artículo presenta la comparación del rendimiento de dos algoritmos del tipo Aprendizaje Supervisado. Por un lado una arquitectura de Red Neuronal Artificial, del tipo Perceptrón Multicapa y por el otro, una Máquina de Vectores de Soporte, con el fin de determinar cuál tiene mayor porcentaje de aciertos en la obtención de perfiles de posibles alumnos que abandonen tempranamente sus estudios universitarios. Con base en la información extraída de un Almacén de Datos Institucional, se construyó un modelo que fue implementado, utilizando la herramienta WEKA. La exactitud de predicción se obtuvo a través de Matrices de Confusión y Curvas ROC. Los modelos predictivos obtuvieron resultados superiores al 90% de aciertos en todos los casos. |
|---|