基于招生数据利用不同的机器学习方法预测大一学生成绩 |
| |
引用本文: | 王琛.基于招生数据利用不同的机器学习方法预测大一学生成绩[J].现代计算机,2023(14):37-44. |
| |
作者姓名: | 王琛 |
| |
作者单位: | 温州肯恩大学信息技术中心 |
| |
摘 要: | 利用机器学习方法从招生数据中挖掘影响高校学生大一GPA的因素并构建预测模型。首先,进行了数据清洗、筛选了招生相关数据和大一GPA成绩。随后,将学生的招生信息作为特征,训练了三种机器学习模型,分别为线性回归模型、逻辑回归模型和神经网络模型。最后,对三个模型的性能进行了评估,并对神经网络模型进行了优化。研究的成果可以为高校大一GPA预测建模提供借鉴,并有助于推进学业预警、学业成绩预测和评价的实践。研究结果表明,机器学习方法可以有效地挖掘影响高校学生大一GPA的因素并构建预测模型。通过训练和比较不同的机器学习模型,研究提供了一个可行的预测模型,并对神经网络模型进行了优化,提高了其预测精度。这些成果可以为高校学业预警、学业成绩预测和评价提供有用的参考信息,对于提高学生学习效果和改善教学质量具有积极的作用。
|
关 键 词: | 机器学习 预测建模 学业成绩 神经网络 招生数据 |
|
|