MODEL CLUSTERING NEURAL NETWORK MONITORING APPLICATIONS NO K-MEANS ALGORITHM FOR THE SEGMENTATION OF THE PERUVIAN UNIVERSITY STUDENTS UNION
Palabras clave:
Clusteres, Crisp-DM, Morosidad, Sigmoidal, Algoritmos, K-medias, UPeU.Resumen
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.Descargas
Archivos adicionales
Publicado
2016-02-23
Número
Sección
Artículos
Licencia
Política propuesta para revistas de acceso abierto
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access)