面向不确定残缺数据的大学生成绩预测方法

摘要：

大学生在课程规划方面有很高的自由度,这使得成绩数据较不规整,研究者很难对学生的前序课程成绩进行有效分析、利用.已有的成绩预测方法普遍未考虑学生前序课程成绩残缺的现象,从而导致预测准确性不佳.提出一种基于K近邻局部最优重建的残缺数据插补方法,该方法能够有效抑制前序课程成绩缺失对预测模型精度的影响.实验表明,该方法的补全效果优于已有的均值插补、GMM插补等方法,结合随机森林模型实现了有效的成绩预测,为学生成绩管理、就业能力预警提供了客观的参考.

关键词：成绩预测、缺失数据、数据插补、数据挖掘、机器学习、随机森林模型

所属期刊栏目：41

分类号：TN911-34;TP391

资助基金：国家自然科学基金资助项目61403301;国家自然科学基金61773310 Project Supported by National Natural Science Foundation of China61403301;National Natural Science Foundation of China61773310

在线出版日期：2018-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：145-149