隨著大數(shù)據(jù)在教育中的作用日益凸顯,大量的數(shù)據(jù)被應用到教學研究、教學評估和行為預測.學生的成績、行為記錄、與老師的互動記錄等教育數(shù)據(jù),都已經開始發(fā)揮價值.為了解決課程的低通過率問題,將改進的K-近鄰算法應用到學習預警中,首先利用網格搜索和交叉驗證相結合的方法對模型參數(shù)進行優(yōu)選,其次在構建決策樹過程中,利用基尼增益確定特征的權重系數(shù)并且根據(jù)權重系數(shù)進行特征選擇,在計算距離時引入權重系數(shù),使每個特征收到權重系數(shù)的約束.實驗表明,在一個公開的數(shù)據(jù)集和一個真實的數(shù)據(jù)集上,改進后的K-近鄰算法顯著優(yōu)于傳統(tǒng)的K-NN. 

【文章來源】：河北大學學報(自然科學版). 2020年02期 北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

網格參數(shù)優(yōu)化過程

【參考文獻】：
期刊論文
[1]基于改進KNN算法的城軌進站客流實時預測[J]. 郇寧,謝俏,葉紅霞,姚恩建.  交通運輸系統(tǒng)工程與信息. 2018(05)
[2]基于考試過程和知識結構的數(shù)據(jù)挖掘算法研究[J]. 代明竹,高嵩峰.  計算機科學. 2018(S1)
[3]基于頻繁模式譜聚類的課程關聯(lián)分類模型和學生成績預測算法研究[J]. 何楚,宋健,卓桐.  計算機應用研究. 2015(10)
[4]基于網格搜索和交叉驗證的支持向量機在梯級水電系統(tǒng)隱隨機調度中的應用[J]. 紀昌明,周婷,向騰飛,黃海濤.  電力自動化設備. 2014(03)
[5]貝葉斯網絡在學生成績預測中的應用[J]. 黃建明.  計算機科學. 2012(S3)



本文編號：2913290