การเปรียบเทียบประสิทธิภาพในการทำนายผลการเรียนวิชาฟิสิกส์พื้นฐานของนักศึกษาระดับปริญญาตรี สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง An Efficiency Comparison Prediction of Learning on General Physics Course of Undergraduate Students, King Mongkut’s Institute of Technology Ladkrabang
Article Sidebar
Main Article Content
Abstract
บทคัดยอ
ในการศึกษาเรื่องการเปรียบเทียบประสิทธิภาพในการทํานายผลการเรียนวิชาฟสิกสพื้นฐานของ
นักศึกษาระดับปริญญาตรี สถาบันเทคโนโลยีพระจอมเกลาเจาคุณทหารลาดกระบัง มีวัตถุประสงคเพื่อ
ศึกษาทําความเขาใจและเปรียบเทียบประสิทธิภาพในการทํานายผลการเรียนวิชาฟสิกสพื้นฐาน วิธีการ
จําแนกกลุมที่นํามาเปรียบเทียบประสิทธิภาพในการทํานายผลคือ วิธีความใกลเคียงกันมากที่สุดโดยใช
อัลกอริทึมชนิด IBk วิธีตนไมตัดสินใจโดยใชอัลกอริทึมชนิด J48 วิธีโครงขายประสาทเทียมโดยใช
อัลกอริทึมชนิดเพอรเซปตรอนแบบหลายชั้น วิธีซัพพอรตเวกเตอรแมชชีนโดยใชอัลกอริทึม SMO ชนิดโพ
ลิโนเมียลเคอรเนล วิธีการถดถอยโลจิสติกแบบ 2 กลุม และวิธีนาอีฟ เบย ในการเปรียบเทียบ
ประสิทธิภาพของวิธีการจําแนกกลุมทั้ง 6 วิธี จะใชคาความถูกตอง คาการเรียกคืน และคาความถวงดุล
โดยจะพิจารณาจากคาเหลาน้ีที่มีคามากที่สุด สวนคาความคลาดเคลื่อนสัมบูรณเฉลี่ยและคาความ
คลาดเคลื่อนกําลังสองเฉลี่ยจะพิจารณาจากคาเหลานี้ที่มีคานอยที่สุด ผลการศึกษาการเปรียบเทียบ
ประสิทธิภาพวิธีการจําแนกกลุมพบวา วิธีตนไมตัดสินใจและวิธีซัพพอรตเวกเตอรแมชชีนมีคาความถูกตอง
คาการเรียกคืน และคาความถวงดุลมากที่สุดคือ 91.7647%, 1,และ 0.957 ตามลําดับ แตวิธีซัพพอรต
เวกเตอรแมชชีนมีคาความคลาดเคลื่อนสัมบูรณเฉลี่ยนอยที่สุดคือ 0.0824 สวนวิธีตนไมตัดสินใจมีคาความ
คลาดเคลื่อนกําลังสองเฉลี่ยนอยที่สุดคือ 0.0762 ตามลําดับ แตวิธีตนไมตัดสินใจมีคาความคลาดเคลื่อน
สัมบูรณเฉลี่ยมากกวาวิธีซัพพอรตเวกเตอรแมชชีนอยูพอสมควร สวนวิธีซัพพอรตเวกเตอรแมชชีนมีคา
ความคลาดเคลื่อนกําลังสองเฉลี่ยมากกวาวิธีตนไมตัดสินใจอยูเพียงเล็กนอยเทาน้ัน ดังนั้นวิธีซัพพอรต
เวกเตอรแมชชีนมีประสิทธิภาพในการทํานายผลดีท่สี ุด
Abstract
In this study, an efficiency comparison prediction of learning on general physics
course of undergraduate students, King Mongkut’s institute of technology Ladkrabang. The
purposes are understand and compare efficiency in prediction of learning on general
physics course. The classification methods to efficiency comparison in prediction are knearest neighbor method by IBk algorithm, decision tree method by J48 algorithm,
artificial neural network method by multilayer perceptron algorithm, support vector
machine method by polynomial kernel, SMO algorithm, binary logistic regression method
and naïve Bayes method. In efficiency comparison of six classification methods by using
the maximum of accuracy, recall, F-Measure and the minimum of mean absolute error
(MAE) and mean square error (MSE). The result of the study efficiency comparison the
classification method demonstrated that decision tree method and support vector
machine method has the maximum accuracy, recall, and F-Measure, 91.764%, 1, and
0.957, respectively. In addition, support vector machine method and decision tree
method have the minimum MAE and MSE, 0.0824 and 0.0762, respectively, but decision
tree method has more MAE than support vector machine method and support vector
machine method has more a little MSE than decision tree method. Then, support vector
machine method has the best efficiency in prediction.