分类技术在预测学习障碍中的重要性
人工智能
2010-11-03 v1
摘要
本研究旨在展示两种分类技术，即决策树和聚类，在预测学龄儿童学习障碍（LD）中的重要性。LD影响了约10%的在校儿童。特定学习障碍儿童的问题一直令家长和教师担忧。决策树和聚类是数据挖掘中用于分类和预测的强大且流行的工具。从决策树中提取的不同规则用于预测学习障碍。聚类是将一组观测分配到子集（称为簇）中，这有助于发现受LD影响儿童身上存在的不同体征和症状（属性）。本文使用J48算法构建决策树，并使用K-means算法创建簇。通过应用这些分类技术，可以识别任何儿童中的LD。
引用
@article{arxiv.1011.0628,
title = {Significance of Classification Techniques in Prediction of Learning Disabilities},
author = {Julie M. David And Kannan Balakrishnan},
journal= {arXiv preprint arXiv:1011.0628},
year = {2010}
}
备注
10 pages, 3 tables and 2 figures