近幾年,隨著我國綜合國力不斷增強,我國的教育也得到長足的發(fā)展。數(shù)學教育仍然是我國教育體系中非常重要的組成部分,是我國基礎(chǔ)教育的主體,更是我國基本教育與多元化教育發(fā)展中不可缺少的一部分。本文針對教育領(lǐng)域,進行如下幾個方面的探究:分析并研究教育數(shù)據(jù)挖掘（Educational Data mining,EDM）,將學生數(shù)學成績預測作為教育數(shù)據(jù)挖掘的子模塊進行設(shè)計并實現(xiàn)。在研究之前,首先對模型和系統(tǒng)中用到的基礎(chǔ)技術(shù)知識進行講解,如數(shù)據(jù)挖掘的定義與理論知識、EDM研究特點與EDM國內(nèi)外研究現(xiàn)狀、機器學習定義、Logistic Regression、Xgboost算法、Random Forest算法、Rasch Model算法。本文將對數(shù)據(jù)預處理的過程進行較為詳盡的敘述。在得到優(yōu)質(zhì)的數(shù)據(jù)后,對數(shù)據(jù)原屬性進行分析,并結(jié)合專業(yè)領(lǐng)域的相關(guān)知識,設(shè)計生成高品質(zhì)的特征,這些特征將對模型預測效果產(chǎn)生直接的影響。因此,數(shù)據(jù)預處理及特征構(gòu)造的工作將占據(jù)本系統(tǒng)所有時間的90%。接下來分別使用Logistic Regression,Xgboost,Random Forest算法進行數(shù)據(jù)建模,并對其調(diào)參,然后把以上三個... 

【文章來源】：南昌大學江西省 211工程院校

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

論文任務(wù)描述圖

圖 2.1 Sigmoid 函數(shù)用 Logistic Regression 模型時，發(fā)生比作為判斷一件用。發(fā)生比就是當事件發(fā)生時 y 取值為 1，事件未事情發(fā)生的概率為 p，那么 1-p 為事件不發(fā)生的概數(shù)。在回歸算法中最常用的估計方法很多，但最小技術(shù)被業(yè)界認可。因為我們的目標 p 是在[0,1]之二乘估計并不適合我們解決我們的問題，但是我們在趨近 0和 1的時候變換變得更加緩和一些，于是目標，它對事件發(fā)生與不發(fā)生的比值進行取對數(shù)的操作，這也叫做對數(shù)差異比。發(fā)生這樣的情況后，性關(guān)系了。歸的公式為：

圖 2.2 隨機森林分類例子隨機森林的重采樣技術(shù)采取的是一種有放回的采樣方法，它的名字叫自助法（Boot Strap）。它采樣的來源是訓練集，并且采集樣本數(shù)目是固定的，并在采集完畢后將樣本放回原集合[22]。如圖 2.3 所示。圖 2.3 自助法重采樣這代表這之前采集的樣本在別的采集子集中也會存在。在 Bagging 算法經(jīng)過幾回合的隨機采樣之后，所有子集的全集中仍然會有 36.8%的數(shù)據(jù)并沒有存在，即不在訓練集中。我們稱這部分數(shù)據(jù)為袋外數(shù)據(jù)（Out Of Bag，簡稱

【參考文獻】：
期刊論文
[1]高效率數(shù)學學習高中生數(shù)學成績的影響路徑[J]. 康玥媛,張楠,王光明,佘文娟,劉艷云.  心理與行為研究. 2016(03)
[2]數(shù)據(jù)挖掘在學生專業(yè)成績預測上的應(yīng)用[J]. 崔仁桀.  軟件. 2016(01)
[3]學習參與度對初中生數(shù)學成績影響研究[J]. 馬蕾迪,范蔚,孫亞玲.  中國教育學刊. 2015(02)
[4]基于大數(shù)據(jù)的個性化自適應(yīng)在線學習分析模型及實現(xiàn)[J]. 姜強,趙蔚,王朋嬌,王麗萍.  中國電化教育. 2015(01)
[5]K-Means算法在計算機等級考試成績分析中的應(yīng)用[J]. 曾旭,司馬宇.  軟件導刊. 2012(11)
[6]一種解決協(xié)同過濾數(shù)據(jù)稀疏性問題的方法[J]. 王洋,駱力明.  首都師范大學學報(自然科學版). 2012(04)
[7]數(shù)感、數(shù)學效能感與數(shù)學成績的關(guān)系研究[J]. 王本法,喬福強.  中國特殊教育. 2012(06)
[8]一種基于Bagging算法的高斯過程集成建模方法[J]. 李雅芹,楊慧中.  東南大學學報(自然科學版). 2011(S1)
[9]淺析數(shù)據(jù)挖掘概念與技術(shù)[J]. 穆瑞輝,付歡.  新鄉(xiāng)教育學院學報. 2008(03)
[10]基于決策樹的英語四級成績分析[J]. 曹丹陽,李晉宏,魏金強,張艷芳.  北方工業(yè)大學學報. 2007(01)

博士論文
[1]高維數(shù)據(jù)的特征選擇及基于特征選擇的集成學習研究[D]. 張麗新.清華大學 2004

碩士論文
[1]基于數(shù)據(jù)挖掘技術(shù)的學生成績分析系統(tǒng)的設(shè)計與實現(xiàn)[D]. 馬丹.吉林大學 2015
[2]數(shù)據(jù)挖掘中數(shù)據(jù)預處理的方法研究[D]. 方洪鷹.西南大學 2009
[3]探索性數(shù)據(jù)分析方法及應(yīng)用[D]. 孫麗君.東北財經(jīng)大學 2005



本文編號：3540204