五，论文研读

标签：网址   分析   常用   svm   设计   性能   提高   分类器   利用   

五，论文研读

• 论文名称：陈子健，朱晓亮.基于教育数据挖掘的在线学习者学业成绩预测建模模型.
• 研究对象
  从教育数据中挖掘影响在线学习者成绩学业成绩的因素并构建分类预测模型。
• 研究动机
  学业成绩的预测和评价是全世界教育研究者共同关注的话题，如何对在线学习者的学业成绩进行预测便于提供预警和其他干预措施。
• 文献综述
  该研究中的学业成绩预测模型主要是利用已知学生学业成绩类别的训练数据得到一个分类函数或分类模型（分类器），并评估模型的性能。
• 研究方案设计
  • 预测算法
    研究主要是预测在学习结束时学业成绩的类别，为预测离散的值，故采用分类策略。
    常用分类算法
    BN，DT，ANN，SVM（训练单一分类器）
  • 集成学习
    集体决策优于个体决策（装袋，提升，随机森林）
  • 实验设计
    上述四种分类算法在训练集上训练单一分类器，然后分别以四种算法训练基分类器，再利用三种集成学习构成集成分类器。
    对比单一分类器和集成分类器的性能。
  • 实验结果分析
    BN，DT，ANN，通过构建集成分类器都能不同程度的提升分类性能，SVM并不明显。
• 使用数据集
  研究使用的约旦大学e-Learning学业成绩数据集（xAPI-Edu-Date）
• 研究结论
  
• 学习心得
  很好的一篇文献，读的时候结合了数据挖掘第八章8.6节“提高分类准确率技术”，文献中明确给出了数据集来源，不过网址打开出现404，此外对文献作者有进一步了解。

五，论文研读

标签：网址   分析   常用   svm   设计   性能   提高   分类器   利用   

原文地址：https://www.cnblogs.com/zaw-315/p/11234493.html