基于机器学习的在线教学学生成绩预测研究

通过使用逻辑回归、决策树、朴素贝叶斯算法、反向传播、随机森林5种典型的机器学习算法对教育大数据进行分析和解读,从中提取隐含的潜在信息,经过数据分析、清洗、建模等步骤,构建多个模型,对比选取最优模型对在线教学学生学习成绩进行全面客观的预测.最终验证,逻辑回归算法是准确率最高的学生成绩预测算法,并且得到了相应的模型拟合表达...     

基于多元线性回归的学生成绩预测研究

随着数据挖掘技术在教育领域的深入应用,使得成绩预测成为改进教学质量的重要手段之一。对学生进行成绩预测,可以督促学生提高学习效率以及鞭策教师改进教学质量,更好地完善教学,达到最佳效果。但在目前研究中,虽然对成绩预测应用已十分广泛,但是多是基于学生全部成绩对某门课程成绩的预测,忽略了成绩预测的时效性。因此提出基于多元线性回归方法构建一年级成绩预测毕业成绩的预测模型。以某学校计算机应用专业的学生课程成绩为研究对象,构建相应的多元线性回归预测模型。通过大量实验以及检验证明,利用一年级成绩预测毕业成绩可行,并且构建的成绩预测模型具有极高的预测精度,可以为改进教学方案提供参考信息,有助于提高学校的教学质量和学生的学习效果。     

基于回归的软化水系统运行时间预测模型研究

基于钠离子交换器的软化水系统运行时间主要根据经验人工设置,在来水中钙镁离子含量变化较大时,很难保证生产的软化水质量。分析了软化水系统中各生产环节电导率数据的相关性,采用了岭回归、CART回归和多项式回归三种机器学习预测模型,对软化水的生产时间进行了建模分析,并通过预测误差、运行时间、误差下的预测准确率对模型进行了评估。实验的结果表明,Ridge回归的误差最小,运行时间少,误差允许范围内的准确率最高。     

基于双路注意力机制的学生成绩预测模型

学生成绩的预测与分析旨在实现对学生的个性化指导,提升学生成绩及教师的教学成果.学生成绩受家庭环境、学习条件以及个人表现等多种因素的影响.传统的成绩预测方法往往忽视了不同因素对同一学生成绩的影响程度不同,而且不同学生受同一因素的影响程度也不同,所构建的模型无法实现对学生的个性化分析与指导.因此提出一种基于双路注意力机制的学生成绩预测模型(two-way attention, TWA),该方法不仅有区别地对待了这些因素对成绩的影响程度,而且考虑到了学生的个体差异性.该方法通过两次注意力计算分别得到各属性特征在第1阶段成绩和第2阶段成绩上的注意力得分,并考虑了多种特征融合方式,最后基于融合后的特征对期末成绩进行更好地预测.分别在2个公开数据集上对模型进行了验证,并根据各属性特征在期末成绩上的概率分布对预测结果进行可视化分析.结果显示,所构建模型能够更准确地预测出学生成绩,并且具有良好的可解释性.     

基于R的有序分类资料logistic回归分析

本文描述有序分类资料的logistic回归模型及参数估计与假设检验,以R语言作为分析工具,利用程序包MASS中的polr函数对数据文件进行回归系数的估计及模型拟合检验,从而完成统计推断。     

基于BP神经网络算法的成绩预测模型研究

基于sigmoid激活函数,建立了一种BP神经网络模型。通过对某高中2006年至2015年间的高考平均数据样本进行学习,修正了权值和阈值。系统最大相对误差为0.22%,关联度为0.6667,小误差概率为0.98,方差比为0.0002,预测结果精度为高。用于2016年至2020年间该校高考平均成绩的预测中发现,预测结果与实际结果的最大绝对误差仅为2分。对该校2021年的高考平均成绩进行了预测,最终预测结果为571分。     

基于BP-NN和回归分析的季节性火灾预测模型研究

火灾数据具有季节波动趋势和随机性,而单一基于数据的建模方法由于火灾致因的复杂性和不确定性以及信息的不完备性,往往很难对火灾数据的变化趋势进行较好的预测。鉴于单一建模方法的不足,本文将神经网络模型和季节分段回归分析模型采用并补方法结合起来构建了火灾每天发生起数的组合预测模型。实例分析表明,该组合模型具有较高的精度和良好的火灾数据变化趋势跟随性,可为防火策略的提前部属和制定提供有效的参考依据。     

数据增广求解贝叶斯Logistic回归模型的方法研究

贝叶斯Logistic回归模型是机器学习中一类被广泛应用的经典模型,然而由于其先验和似然间的非共轭性,Logistic回归模型的贝叶斯推理成为机器学习中的一个重要问题。数据增广方法是一种解决非共轭问题非常有效的方法,该方法通过引入增广变量来发掘模型中的隐藏结构,再通过采样的方法得到模型推理结果。本篇文章实现了两种不同的数据增广算法并通过在多个现实生活数据集上进行试验来对比算法的优越性。     

数据增广求解贝叶斯Logistic回归模型的方法研究

贝叶斯Logistic回归模型是机器学习中一类被广泛应用的经典模型,然而由于其先验和似然间的非共轭性,Logistic回归模型的贝叶斯推理成为机器学习中的一个重要问题。数据增广方法是一种解决非共轭问题非常有效的方法,该方法通过引入增广变量来发掘模型中的隐藏结构,再通过采样的方法得到模型推理结果。本篇文章实现了两种不同的数据增广算法并通过在多个现实生活数据集上进行试验来对比算法的优越性。     

基于决策树算法的学生成绩的预测分析

针对学生成绩问题,用决策树算法建立分类规则和分析预测模型,描述如何根据分析预测结果发现影响学生成绩的因素,进而有益于教师改进教学方法,提高学生的学习效果.通过实例验证,建立决策树,得出分类规则,结果表明该算法能够对学生数据进行正确分类,得到有价值的结论.     

运动成绩灰色预测模型及程序

近几年来，灰色系统理论和预测方法在体育科学研究以及运动成绩的预测中得到了广泛地应用，并取得了许多有价值的研究成果。灰色预测方法在体育运动成绩的预测中，比较常用的是数到预测，它是基于微分拟合模型对系统行为特征值大小的发展变化进行预测的。当运动成绩数据序列较短时，利用灰色模型预测是较有效的方法。其基本思路是通过原始数据的逐步累加来减少随机波动的干扰，在累加值的基础上进行预测，然后还原出真实的预测值。建立预测模型所需要的原始数据不多，且容易采集，便于应甩。但计算过程难度较大而且又比较复杂，因此，本文在…     

在线课程的多项成绩预测模型研究

在线课程学习过程中会产生大量的学习行为数据。通过对这些数据进行挖掘分析,能够预测在线课程成绩。本文以安徽师范大学“面向对象程序设计”课程后台数据库作为实验数据集,评估了ID3、C4.5和CART等算法构建的决策树预测模型,其中CART算法最优。研究发现,期中测试分数、1-4章测试分数、章节学习次数和互动得分等指标对期末成绩的影响最大。为了提升模型性能,改进了CART算法。实验结果表明,其能够提升预测准确率,具有较好的应用价值。     

基于异构信息网络的学生成绩预测与预警模型研究

推荐系统是数据挖掘中强有力的技术,异构信息网络是推荐系统起步晚却发展迅猛的主流推荐方法。提出了基于异构信息网络的学生成绩预测与预警模型,该方法通过元路径计算得到学生间相似度矩阵,利用相似度矩阵构造成绩变化趋势矩阵和幅度矩阵,投票得到学生成绩预警与预测结果;最后,在公开数据集上验证所提模型的有效性,结果表明,该模型能够对学生成绩进行预警,并能在一定阈值下预测学生成绩具体分值。     

基于人工智能的高校学生表现预测模型

教育是实现可持续发展目标的重要推动因素,为了实现可持续发展目标,人工智能(AI)是一项蓬勃发展的技术,人们对理解学生行为和评估学生表现越来越感兴趣,人工智能在改善教育方面有着巨大的潜力,因为它已经开始在教育领域被开发出创新的教学方法,以创造更好的学习.介绍了一种基于人工智能的分析工具,用于预测某所大学一年级信息技术课的学生表现,建立了基于随机森林的分类模型,预测第6周学生的学习成绩,准确率为97.03%,敏感性为95.26%,特异性为98.8%,精密度为98.86%,马修斯相关系数为94%,证明了这种方法在预测学生课程的早期表现,非常有用.在COVID-19疫情期间,实验结果表明,建议的预测模型满足预测虚拟教育系统中学生的学习行为要素所需的准确性、精确度和召回率.     

基于回归分析的备件故障率预测模型

根据备件的故障率可以有效地指导备件的存储策略，该文在介绍了几种典型故障率曲线的基础上，给出了一般预测模型的步骤及其流程图，此后建立了一个基于回归分析的备件故障率预测模型，并利用此模型对某一备件的故障率进行了预测，最后，利用相关系数对二者的相关性进行了分析，说明了二者有较好的线性关系。     

基于聚类分析的高职学生成绩影响模型的研究

该文将数据挖掘技术应用于高职院校学生成绩分析中,利用聚类分析的K-means算法,实现基于Microsoft SSAS平台的学生成绩分析数据仓库构建和模型评价,并得出有价值的潜在规律和影响学生成绩的各种因素,为教学管理以及其他相关部门提供有力的决策支持。     

基于支持向量回归机的可靠度预测模型

设备可靠度预测在设备的维修管理中扮演着重要的角色,有效的设备故障预测对降低设备维修费用、停机时间或运行风险都起到至关重要的作用。文章在分析设备状态数据的基础上,通过引入支持向量回归机,建立了基于退化数据的预测模型,并将该模型用于发动机可靠度的预测。     

基于图自编码器模型的学生成绩预测

传统对学生成绩进行预测的方案往往需要手动筛选特征或需要大量的先验知识和专家知识.因此提出使用深度学习的基于图自编码器模型(Graph-AE)的学生成绩预测方案,该模型可以不经人工干预自动提取特征,且不需要大量的先验知识.将Graph-AE模型与13种经典推荐算法进行对比,实验结果表明,Graph-AE模型在学生成绩数据...