MODEL CLUSTERING NEURAL NETWORK MONITORING APPLICATIONS NO K-MEANS ALGORITHM FOR THE SEGMENTATION OF THE PERUVIAN UNIVERSITY STUDENTS UNION

El presente trabajo de investigación tiene como objetivo identificar el perfil del alumno moroso utilizando algoritmo de clústeres basado en la red neuronal de k-media para la segmentación de los alumnos de la UPeU, de manera que exista la mayor homogeneidad posible dentro de los grupos, con respect...

Descripción completa

Guardado en:
Publicado en:Revista de Investigación Business Intelligence
Autores principales: Pacco Palomino, Rodolfo, Del Rosario Montero, Wilson, Anquise Ibañiz, Tomas, Palza Vargas, Edgardo, Mamani Apaza, Guillermo
Formato: Artículo de revista
Lenguaje:español
Publicado: Revista de Investigación Business Intelligence 2016
Materias:
Clusteres
Crisp-DM
Morosidad
Sigmoidal
Algoritmos
K-medias
UPeU.
Acceso en línea:Ver en el sistema de origen
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
Sumario:El presente trabajo de investigación tiene como objetivo identificar el perfil del alumno moroso utilizando algoritmo de clústeres basado en la red neuronal de k-media para la segmentación de los alumnos de la UPeU, de manera que exista la mayor homogeneidad posible dentro de los grupos, con respecto a ciertos atributos que pueden ser cuantitativas o cualitativas. La metodología utilizada fue CRISP-DM, que es un estándar para proyectos de minería de datos, consta de las siguientes 6 fases, la comprensión del negoción, la comprensión de los datos, la preparación de datos, el modelado, la evaluación e la implementación. Con la aplicación del algoritmo de inteligencia artificial se ha determinado, que el perfil de un alumno moroso tiene las siguientes características, el alumno que no trabaja, el ingreso bruto del apoderado varía entre S/850.00 y S/1,569.00, tiene hermanos estudiando en la misma universidad y está cursando el tercer año de su carrera.
ISSN:2415-0258

Ejemplares similares