В настоящее время объем данных, хранящихся в базах данных учебных заведений, стремительно растет. Эти базы данных содержат скрытую информацию для улучшения успеваемости студентов.

Дерево решений - наиболее полезный алгоритм классификации в образовательном поиске данных, поскольку он прост в исполнении и понятен по сравнению с другими алгоритмами. С помощью алгоритма дерева решений мы можем получить более точные и ценные результаты, которые могут быть полезны преподавателям для улучшения результатов обучения студентов.

Алгоритмы ID3, C4. 5 и CART были применены к данным студентов для прогнозирования их успеваемости.

Но все эти три алгоритма используются только для небольших баз данных. Для больших баз данных мы используем новый алгоритм SPRINT, который устраняет все ограничения памяти и проблемы с точностью, возникающие в других алгоритмах.

Он быстрее и масштабируемее других, поскольку может быть реализован как в последовательном, так и в параллельном режиме для хорошего размещения данных и распределения нагрузки. В данной работе алгоритм дерева решений SPRINT используется для решения проблемы классификации в системе образования.

. .