Hình 4.32 Sơ đồ mạng phụ thuộc của thuật tốn Nạve Bayes trong Microsoft Analysis service Như đã phân tích kết quả chạy các mơ hình khai phá dữ liệu khi dùng cơng cụ BI của SQL Server trong mục 4.2.2, chúng ta cĩ thể thấy rằng việc dùng cơng cụ của SQL Server để
phân tích dữ liệu cho kết quả hiển thị tr c quan, dễ hiểu, người dùng cĩ thể dễ dàng phân tích kết quả, xác định được các thuộc tính đầu vào cĩ ảnh hưởng đến kết quả của đầu ra, dễ dàng so sánh và đánh giá được các mơ hình.
4.4.Kết luận
Chương 4 của luận v n đã tập trung trình bày các kết quả khai thác từ kho dữ liệu điểm, đĩ là việc đưa ra các báo cáo và xây d ng mơ hình khai phá dữ liệu nhằm d đốn học l c cuối khĩa của sinh viên. Chúng tơi đã sử dụng ba thuật tốn Microsoft Decision Tree, Microsoft Nạve Bayes, Microsoft Neural Network, đồng thời xây d ng một tập dữ liệu nguồn với các thuộc tính phù hợp, kết hợp với việc phân tích và l a chọn được các thơng số tối ưu nhằm chọn ra một mơ hình khai phá dữ liệu tốt nhất để giải quyết bài tốn phân lớp học l c cuối khĩa cho sinh viên.
KẾT LUẬN
Từ việc nghiên cứu những yêu cầu cấp thiết đặt ra trong cơng tác quản lý vào đào tạo của trường Cao đẳng Sư phạm Yên Bái, luận v n đã tiến hành thu thập các dữ liệu cần thiết, xây d ng kho dữ liệu điểm, đề xuất và l a chọn ra mơ hình để giải quyết yêu cầu khai thác các thơng tin từ kho dữ liệu điểm của nhà trường.
Về mặt nội dung, luận v n đã đạt được những kết quả sau:
- Tìm hiểu cơ sở lý thuyết về kho dữ liệu và kỹ thuật phân tích d báo d a trên kho.
- Đã xây d ng được một kho dữ liệu điểm với dữ liệu lấy từ cơ sở dữ liệu của trường CĐSP Yên Bái sử dụng cơng cụ BI trong MS SQL 2012.
- Đã tiến hành phân tích, trích rút ra các thơng tin cần thiết cho cơng tác quản lý và đào tạo của nhà trường bằng việc sử dụng kỹ thuật OLAP và một số thuật tốn trong khai phá dữ liệu.
Qua các kết quả th c nghiệm đạt được cho thấy mơ hình kho dữ liệu điểm và các mơ hình khai thác dữ liệu cĩ thể áp dụng được trong th c tế.
Hướng phát triển của luận v n:
Trong thời gian tới, tác giả sẽ tiếp tục xây d ng hệ thống cảnh báo kết quả học tập cho sinh viên và hồn thiện tồn bộ hệ thống để cĩ thể chạy ứng dụng tr c tiếp trên web.
TÀI LIỆU THAM KHẢO Tiếng Việt
[1] Phan Xuân Hiếu (2013), Bài giảng mơn học Khai phá dữ liệu và kho dữ liệu, Trường Đại học Cơng nghệ, Đại học Quốc gia Hà Nội.
[2] Hà Quang Thụy (2010), Bài giảng mơn học Kho dữ liệu và khai phá dữ liệu, Trường Đại học Cơng nghệ, Đại học Quốc gia Hà Nội.
[3] Trường Đại học Sư phạm Hà Nội, Bài giảng kho dữ liệu.
Tiếng Anh
[4] E. F. Codd, S.B. Codd and C.T. Salley (1993), “Providing On-Line Analytical Processing to User Analysts: An IT Mandate”, Computerworld, pp. 12-15.
[5] Gergely Pintér, Henrique Madeira and Marco Vieira, István Majzik and András Pataricza (2008), “Integration of OLAP and data mining for analysis of results from dependability evaluation experiments”, Int. J. Knowledge Management Studies, Vol. 2 (4), pp. 480–498.
[6] Jiawei Han and Micheline Kamber (2006), Data Mining Concepts and Techniques, Diane Cerra Publisher.
[7] Jamie MacLennanZhaoHui and Tang (2005), Data Mining With SQL Server 2005, Wiley Publishing, Inc.
[8] Microsoft, SQL Server tutorials - SQL Server 2012 Books Online.
[9] Paulraj Ponniah (2010), Data Warehousing Fundamentals for IT Professionals, Wiley & Sons, Inc., Hoboken, New Jersey.
[10] Ralph Kimball and Margy Ross (2013), The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling,John Wiley & Sons.
[11] Usama M.Fayyad, Gregory Piatesky-Shaporo, Padhraic Smyth and Ramasamy Uthurusamy (1996), Advances in Knowledge Discovery and Data Mining,