福州大学模板.docxVIP

  • 0
  • 0
  • 约1.2万字
  • 约 16页
  • 2026-11-23 发布于四川
  • 举报

本科毕业论文

PAGE1/SECTIONPAGES1

本科毕业论文(设计)

基于机器学习的学生学业成绩预测方法研究

姓名:

陈思远

学号:

2022021108

专业:

计算机科学与技术

学院:

计算机与大数据学院

指导教师:

林志刚教授

2026年11月

本科毕业论文

PAGE1/SECTIONPAGES1

摘要

学业成绩预测是教育数据挖掘领域的核心问题之一,其目标是在课程结束之前识别出存在学业风险的学生,为教学干预提供依据。本文以某高校一门专业基础课在一学期内产生的学习过程数据为研究对象,围绕哪些行为数据能够有效预测成绩以及何种模型在小样本条件下更为可靠两个问题展开研究。

本文首先对原始数据进行缺失值处理、异常值剔除与特征构造,从作业提交、视频观看、章节测验、讨论区互动四个维度提取出十二项行为特征,并采用方差过滤与皮尔逊相关系数完成初步特征筛选。随后分别构建多元线性回归、决策树、随机森林与梯度提升四类预测模型,以五折交叉验证方式比较其预测性能,并借助特征重要性排序解释模型决策依据。

实验结果表明,随机森林模型在测试集上的决定系数为0.71,平均绝对误差为6.8分,综合表现优于其余三类模型;作业平均成绩、视频观看完成度与章节测验平均分是影响预测结果最重要的三项特征。研究还发现,将学期前八周的数据单独建模即可获得接近全学期数据的预测

文档评论(0)

1亿VIP精品文档

相关文档