基于特征工程的MOOC辍学预测研究——以学堂在线为例.pdfVIP

下载本文档

212
1
约9.55万字
约 74页
2020-08-27 发布于江苏
举报
版权申诉

基于特征工程的MOOC辍学预测研究——以学堂在线为例.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

目录第1 章绪论 1 1.1 研究背景及意义 1 1.2 文献综述3 1.2.1 在线学习行为研究现状3 1.2.2 MOOC 辍学预测研究现状4 1.3 研究内容6 1.4 研究思路和框架7 1.5 创新点与不足8 1.5.1 创新点8 1.5.2 不足9 第2 章理论基础 10 2.1 特征工程介绍 10 2.2 分类模型 12 2.2.1 逻辑回归 12 2.2.2 支持向量机 13 2.2.3 决策树 15 2.2.4 随机森林 19 2.2.5 Adaboost 与GBRT 21 2.3 模型评价标准27 2.3.1 通用评价标准27 2.3.2 AUC 评价标准28 第3 章 MOOC 数据集概述30 3.1 辍学的形成与定义31 3.2 数据集分析32 3.2.1 数据集描述32 3.2.2 数据集分析34 3.2.3 数据预处理38 3.3 特征提取39 3.3.1 基于有效事件的特征39 3.3.2 基于数量的特征41 3.3.3 基于统计量的特征41 第4 章基于MOOC 数据的辍学率预测研究43 4.1 样本处理43 4.1.1 数据划分43 4.1.2 数据标准化45 I 4.2 评价指标的选取45 4.3 模型训练及结果分析47 4.3.1 单一模型的比较47 4.3.1 集成模型的比较48 4.4 模型测试49 第5 章总结与建议50 5.1 总结51 5.2 建议51 5.2. 1 用户建议51 5.2.2 企业建议51 5.2.3 政府建议53 参考文献55 附录59 致谢66 II Contents Chapter 1 Introduction 1 1.1 Research Background and Meaning 1 1.2 Literature review 3 1.2.1 Research Status of Online Learning Behavior 3 1.2.2 MOOC dropout prediction research status 4 1.3 research content6 1.4 Research ideas and framework7 1.5 Innovation points and shortcomings8 1.5.1 Innovation points 8 1.5.2 shortcomings 9 Chapter 2 Theoretical basis10 2.1 Feature Engineering Introduction 10 2.2 Classification model 12 2.2.1 Logistic regression 12 2.2.2 Support Vector Machines 13 2.2.3 Decision tree 15 2.2.4 Random forest 19 2.2.5 Adaboost and GBRT 21 2.3 Model evaluation crit