El advenimiento de la era de la información ha cambiado cada carrera existente y revolucionado la mayoría, si no todos los campos, a pesar de los muchos beneficios que vinieron con ella. Ha habido un aumento exponencial en la información y, junto con ello, un incremento en los datos. Los centros de datos han estallado con detalles a medida que el número de filas en las bases de datos crece día a día. El uso de la tecnología se ha vuelto esencial en muchos modelos de empresa y organizaciones, lo que garantiza su uso en prácticamente todos los canales. La educación física universitaria y los deportes no son una excepción, ya que los estudiantes que estudian estas materias están aumentando rápidamente. A medida que la información se vuelve más compleja, se necesitan métodos mejorados para investigar y analizar datos. Afortunadamente, la minería de datos ha venido al rescate. La minería de datos es una colección de métodos y procedimientos analíticos utilizados exclusivamente con el fin de extraer datos. Puede utilizarse para analizar características y tendencias de grandes cantidades de datos. El objetivo de este estudio es explorar el uso de tecnologías de minería de datos en el análisis de la psicología deportiva de los estudiantes universitarios. Este estudio utiliza métodos de agrupamiento para el examen de la psicología deportiva. Utilizamos tres métodos de agrupamiento para este fin: algoritmo de esperanza-maximización (EM), k-medias, COBWEB, agrupamiento basado en densidad de aplicaciones con ruido (DBSCAN) y algoritmos de agrupamiento jerárquico aglomerativo. Realizamos nuestras predicciones basadas en varios indicadores combinados con los resultados pasados de los deportes universitarios utilizando estos métodos. En contraste con las técnicas convencionales de investigación y análisis de datos, nuestros enfoques tienen una precisión de predicción relativamente alta en lo que respecta al atletismo universitario.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Reciente progreso en la detección de anomalías.
Artículo:
Un Sistema de Apoyo a la Decisión para Componentes de Energía Basado en YOLOv4-Tiny Mejorado
Artículo:
Sobre ecuaciones diferenciales fraccionarias de Laplaciano acoplado con condiciones de frontera no lineales.
Artículo:
Explorando los tipos de casinos preferidos en Japón a través de un análisis conjunto de palabras relevantes.
Artículo:
Localización robusta basada en rodamientos utilizando optimización de residuos absolutos totales mínimos.
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Análisis socioeconómico de la problemática de los desechos plásticos en el mar
Artículo:
Los web services como herramienta generadora de valor en las organizaciones