서울대학교 빅데이터 지식정보플랫폼
전체 메뉴
AI 검색
최근 확인한 콘텐츠
3건 더보기
loading...
반출리포트 생성
논문 목록
Machine Learning Techniques with Item Response Data
저자
김태영
학술지명
Journal of The Korean Data Analysis Society
출판/발행연도
2021
주제
요약
본 연구는 R의 항목 반응 이론(IRT) 패키지와 다양한 기계 학습 기법을 비교하는 두 가지 목표를 가지고 진행되었습니다. 실제 데이터셋을 활용하여 분류 트리, 랜덤 포레스트, 나이브 베이즈 기법을 평가한 결과, 랜덤 포레스트와 나이브 베이즈 알고리즘이 분류 트리보다 더 나은 예측 성능을 보였습니다.
연관 콘텐츠
LikeSNU에서 의미기반으로 분석하여 연관된 자료를 추천해드립니다.
-
Handbook of item response theory
-
A Course in item response theory and modeling with stata
-
Quantitative data analysis for language assessment
-
Item response theory for psychologists
-
Item response theory : parameter estimation techniques
-
Information theoretic learning : Renyi's entropy and kernel perspectives
-
Representation learning for natural language processing
-
Learning to rank for information retrieval
-
Statistical analysis of questionnaires : a unified approach based on R and Stata
-
Statistical analysis of questionnaires : a unified approach based on R and Stata
-
Multidimensional item response theory
-
Item response theory : parameter estimation techniques
-
The theory and practice of item response theory
-
Item response theory : principles and applications
-
Using R for item response theory model applications
-
Using R for item response theory model applications
-
Advanced topics in artificial intelligence : 12th Australian Joint Conference on Artificial Intelligence, AI'99, Sydney, Australia, December 6-10, 1999 : proceedings
-
Improving efficiency by shrinkage : the James-Stein and ridge regression estimators
-
Handbook of item response theory modeling : applications to typical performance assessment
-
A gentle introduction to Stata
이전
다음
이전
다음
이전
다음