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(yīng)用到教學(xué)研究、教學(xué)評估和行為預(yù)測.學(xué)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(jīng)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(yīng)用到學(xué)習(xí)預(yù)警中,首先利用網(wǎng)格搜索和交叉驗證相結(jié)合的方法對模型參數(shù)進行優(yōu)選,其次在構(gòu)建決策樹過程中,利用基尼增益確定特征的權(quán)重系數(shù)并且根據(jù)權(quán)重系數(shù)進行特征選擇,在計算距離時引入權(quán)重系數(shù),使每個特征收到權(quán)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(xué)學(xué)報(自然科學(xué)版). 2020年02期 北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

網(wǎng)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(yù)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(jié)構(gòu)的數(shù)據(jù)挖掘算法研究[J]. 代明竹,高嵩峰.  計算機科學(xué). 2018(S1)
[3]基于頻繁模式譜聚類的課程關(guān)聯(lián)分類模型和學(xué)生成績預(yù)測算法研究[J]. 何楚,宋健,卓桐.  計算機應(yīng)用研究. 2015(10)
[4]基于網(wǎng)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(diào)度中的應(yīng)用[J]. 紀(jì)昌明,周婷,向騰飛,黃海濤.  電力自動化設(shè)備. 2014(03)
[5]貝葉斯網(wǎng)絡(luò)在學(xué)生成績預(yù)測中的應(yīng)用[J]. 黃建明.  計算機科學(xué). 2012(S3)



本文編號：2913290