Loading...
C5.0 алгоритмд суурилсан сэтгэл ханамжийн ангиллын дүрэмт загварын судалгаа
Зохиогч
Он
2026 оны гуравдугаар сарын 30
Төрөл
journal article
Journal
Эрүүл мэндийн шинжлэх ухаан
Volume
22
Issue
2
Start Page
175
End Page
179
ISSN
2959-6947
Хураангуй
Үндэслэл: Likert төрлийн асуулгад суурилсан өгөгдлийг сэтгэл ханамжийг үнэлэхэд өргөн ашигладаг боловч бодит хэрэглээнд зөвхөн ангиллын өндөр нарийвчлал бус, загварын тайлбарлах чадвар чухал шаардлагатай болдог. Дүрэмд суурилсан машин сургалтын аргууд нь эдгээр хоёр шаардлагыг зэрэг хангах боломж олгодог. Сүүлийн жилүүдэд машин сургалтын аргуудыг ашиглан ангилал, таамаглал хийх судалгаа эрчимтэй хөгжиж байгаа ч сэтгэл ханамжийн Likert төрлийн асуулгад С5.0 ангиллын алгоритм ашиглсан судалгаа хомс байгаа тул уг судалгааг хийх үндэслэл болсон. Зорилго: Сэтгэл ханамжийн хоёр ангиллыг (High/Medium) таамаглахад C5.0 ангиллын алгоритмыг 10fold cross-validation аргаар хэрэгжүүлж, загварын гүйцэтгэл болон тайлбарлах чадварыг үнэлэх. Арга, аргачлал: Судалгааг АШУҮИСийн Био-Анагаахын сургуулийн Физик мэдээлэл зүйн тэнхимийг түшиглэн Эрүүл мэндийн мэдээллийн технологич мэргэжлээр төгссөн төгсөгчдийн сэтгэл ханамжийн судалгааны өгөгдлийг ашиглан хийсэн. Судалгаанд Likert төрлийн дөрвөн хувьсагч (V1–V4) бүхий өгөгдлийг ашигласан. C5.0 загварыг параметрийн торон хайлтаар сургаж, 10-fold cross-validation-ын хүрээнд accuracy болон confusion matrix ашиглан үнэлсэн. Мөн эцсийн дүрэмд суурилсан загвараас IF–THEN дүрмүүдийг гарган авч, шийдвэрийн логикийг flowchart хэлбэрээр дүрсэлсэн. Үр дүн: Судалгааны үр дүнд дүрэмд суурилсан C5.0 загвар хамгийн оновчтой гэж сонгогдож, cross-validation-ын хүрээнд тогтвортой гүйцэтгэл үзүүлсэн. Confusion matrix-ийн үр дүн нь High ангиллыг өндөр нарийвчлалтай илрүүлж байгааг харуулсан. Гарсан дүрмүүдээс V4 болон V2 хувьсагчид сэтгэл ханамжийг тодорхойлох голлох нөлөөтэй болох нь илэрхий болсон. Дүгнэлт: C5.0 алгоритмыг cross-validation-ын хүрээнд ашиглах нь Likert өгөгдөлд суурилсан сэтгэл ханамжийн ангиллыг үр дүнтэй, ойлгомжтой байдлаар гүйцэтгэх боломжтой ба дүрэмд суурилсан бүтэц нь загварыг тайлбарлах, шийдвэр дэмжих хэрэглээнд ашиглахад тохиромжтой давуу тал болж байгаа нь тус тус батлагдлаа.
Background: Likert-scale questionnaire data is widely used to evaluate satisfaction; however, in practical applications, both high classification accuracy and model interpretability are essential requirements. Rule-based machine learning methods provide the opportunity to satisfy both criteria simultaneously. Despite the rapid growth of research using machine learning for classification and prediction in recent years, there is a scarcity of studies employing the C5.0 classification algorithm for Likert-scale satisfaction data, which serves as the rationale for this study. Aim: To implement the C5.0 classification algorithm using a 10-fold cross-validation method to predict two levels of satisfaction (High/Medium) and to evaluate the model’s performance and interpretability. Materials and Methods: he study was conducted at the Department of Physics and Informatics, School of Bio-Medicine, MNUMS, utilizing satisfaction survey data from graduates majoring in Health Information Technology. Data consisting of four Likert-scale variables (V1–V4) were used. The C5.0 model was trained using a parametric grid search and evaluated within a 10-fold cross-validation framework using accuracy and a confusion matrix. Furthermore, IF–THEN rules were extracted from the final rule-based model, and the decision logic was visualized in the form of a flowchart. Results: The results indicated that the rule-based C5.0 model was selected as the optimal model, demonstrating stable performance throughout the cross-validation process. The confusion matrix results showed high precision in identifying the “High” satisfaction class. Among the generated rules, it became evident that variables V4 and V2 have the most significant influence on determining satisfaction levels. Conclusion: Utilizing the C5.0 algorithm within a cross-validation framework enables effective and intelligible classification of satisfaction based on Likert data. It was confirmed that the rule-based structure offers distinct advantages for model interpretation and decision-support applications.
Нэмэлт мэдээлэл
Бүрэн эх: https://journal.mnums.edu.mn/index.php/emsu/article/view/1644
Эшлэл
Б.Одгэрэл, Ц.Жавзмаа, Т.Ахыт, Ч.Баасандорж, У.Нямдаваа, Б.Оюунцэцэг нар. C5.0 алгоритмд суурилсан сэтгэл ханамжийн ангиллын дүрэмт загварын судалгаа. Эрүүл мэндийн шинжлэх ухаан. 2026;22(2):175-179.