大型開放式網(wǎng)絡(luò)課程MOOC(Massive open online courses)中預(yù)測學(xué)習(xí)者的學(xué)習(xí)結(jié)果會遇到數(shù)據(jù)分布不平衡問題,為了克服這個問題提出一種結(jié)合降采樣的堆模型的機器學(xué)習(xí)算法。該模型彌補了降采樣算法的不足,使用堆模型作為框架避免了采樣時重要訓(xùn)練樣本的丟失。在特征提取時,因為混合多門課程建模,為了防止不同數(shù)據(jù)分布之間的干擾,借鑒推薦系統(tǒng)的物品相似度引入課程相似度特征有效地傳遞了數(shù)據(jù)之間的信息。通過篩選基礎(chǔ)模型建立了堆模型(融合模型),在一個大樣本的MOOC數(shù)據(jù)集上進行實驗對比,研究表明該模型抗干擾能力強、具有良好的預(yù)測效果。

【文章頁數(shù)】：7 頁

【文章目錄】：
0引言
1相關(guān)工作
2數(shù)據(jù)
    2.1數(shù)據(jù)集的介紹
    2.2數(shù)據(jù)的處理
3模型的建立
    3.1問題的描述
    3.2基礎(chǔ)模型
    3.3降采樣的堆模型
    3.4特征的選擇
    3.5評價指標(biāo)
4實驗結(jié)果與分析
    4.1實驗的設(shè)置
    4.2基礎(chǔ)模型的比較
    4.3課程相似度效果的分析
    4.4堆模型的比較
5結(jié)語



本文編號：3746689