以學(xué)生的考試成績(jī)作為選拔人才的主要方法,在我們的日常生活中早已屢見不鮮。從素質(zhì)教育的學(xué)生時(shí)代到成人的職場(chǎng)生活,考試成績(jī)一般都會(huì)是衡量我們能力的重要指標(biāo)。尤其是在素質(zhì)教育的中學(xué)時(shí)代,大到重要的升學(xué)考試,小至各種各樣的隨堂測(cè)試,這樣海量的成績(jī)數(shù)據(jù)充斥在學(xué)生和教師周圍,但是對(duì)這些數(shù)據(jù)的使用,學(xué)校教師和學(xué)生有時(shí)為了方便僅限于一些簡(jiǎn)單的描述性統(tǒng)計(jì)分析,這不僅僅造成這種數(shù)據(jù)資源的浪費(fèi),而且對(duì)于教師管理學(xué)生不能夠及時(shí)提供有效的、科學(xué)的、全面的、有針對(duì)性的建議。所以,能夠找到一種適用范圍廣,有學(xué)習(xí)能力的數(shù)據(jù)分析的技術(shù)來對(duì)學(xué)生的成績(jī)進(jìn)行分析,透過數(shù)據(jù)表面,找出潛藏在繁冗數(shù)據(jù)中的關(guān)鍵的、有利的信息,變得十分必要。本文首先介紹了多元統(tǒng)計(jì)分析中聚類分析和因子分析的理論知識(shí),重點(diǎn)介紹了對(duì)變量進(jìn)行聚類的R型聚類,因子分析中主要介紹了主成分法的參數(shù)估計(jì)方法及方差最大的正交旋轉(zhuǎn)。接著介紹了機(jī)器學(xué)習(xí)中的k近鄰法分類與支持向量機(jī)分類兩種分類方法的基本原理及思想。隨后本文選取某具有代表性的學(xué)校的高一學(xué)生的幾次綜合成績(jī)進(jìn)行實(shí)例分析,通過R型聚類分析將原始的九個(gè)變量聚成三類,再運(yùn)用因子綜合評(píng)價(jià)模型進(jìn)行因子分析,提取出了第一因子... 

【文章來源】：湘潭大學(xué)湖南省

【文章頁數(shù)】：51 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

聚類分析原理

分類理論分類就是通過訓(xùn)練集建立分類模型對(duì)測(cè)試集進(jìn)行分題都有一些自變量，它們共同組成一個(gè)多維空間�？捎媒^對(duì)距離等作為距離的度量方式[30]。k 近鄰法分類就為訓(xùn)練集中離該點(diǎn)距離最近的 k 個(gè)點(diǎn)中大多數(shù)點(diǎn)所算法的思想是：首先，計(jì)算出待測(cè)新樣本與各個(gè)訓(xùn)練測(cè)樣本距離最小的 k 個(gè)鄰居樣本，再根據(jù)這 k 個(gè)鄰居應(yīng)該歸屬的類別[31]。預(yù)測(cè)集中未知數(shù)據(jù)的類別，先找到訓(xùn)練集中距離未知 k 個(gè)近鄰中多數(shù)鄰居所屬類別，就把預(yù)測(cè)數(shù)據(jù)分為該示在二維空間中的一個(gè)分類場(chǎng)景，紅色的三角形和藍(lán)打標(biāo)記的兩種數(shù)據(jù)的分布，綠色的圓形數(shù)據(jù)是待分類

值如果過小的話可能導(dǎo)致所得的分類結(jié)果沒有太大信度；k 值如果太大的話可能會(huì)在分類過程中摻雜著一些不必要的噪音數(shù)據(jù)，同樣得到不可信的結(jié)果以在實(shí)際的算法使用過程中，需要對(duì) k 這個(gè)參數(shù)進(jìn)行反復(fù)的調(diào)試，才可以達(dá)個(gè)比較理想的效果[33]64。.2 支持向量機(jī)分類理論.2.1 支持向量機(jī)分類原理支持向量機(jī)（簡(jiǎn)稱 SVM）是由 Vapnik 等學(xué)者們根據(jù)統(tǒng)計(jì)學(xué)習(xí)理論的原理的機(jī)器學(xué)習(xí)方面的一種研究方法，它的理論基礎(chǔ)是 VC 維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最[34]。支持向量機(jī)分類是通過控制風(fēng)險(xiǎn)到最小來使模型的泛化效果達(dá)到最好，從使經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信度范圍達(dá)到最小[35]81。簡(jiǎn)單來說就是找到能區(qū)分特征空間間隔的分類器，把問題轉(zhuǎn)化成一個(gè)凸二次規(guī)劃問題的求解[35]81。以二維數(shù)據(jù)：


本文編號(hào)：3377970