基于Logistic Regression的数学成绩预测系统的应用研究
发布时间：2021-12-17 13:19
近几年,随着我国综合国力不断增强,我国的教育也得到长足的发展。数学教育仍然是我国教育体系中非常重要的组成部分,是我国基础教育的主体,更是我国基本教育与多元化教育发展中不可缺少的一部分。本文针对教育领域,进行如下几个方面的探究:分析并研究教育数据挖掘（Educational Data mining,EDM）,将学生数学成绩预测作为教育数据挖掘的子模块进行设计并实现。在研究之前,首先对模型和系统中用到的基础技术知识进行讲解,如数据挖掘的定义与理论知识、EDM研究特点与EDM国内外研究现状、机器学习定义、Logistic Regression、Xgboost算法、Random Forest算法、Rasch Model算法。本文将对数据预处理的过程进行较为详尽的叙述。在得到优质的数据后,对数据原属性进行分析,并结合专业领域的相关知识,设计生成高品质的特征,这些特征将对模型预测效果产生直接的影响。因此,数据预处理及特征构造的工作将占据本系统所有时间的90%。接下来分别使用Logistic Regression,Xgboost,Random Forest算法进行数据建模,并对其调参,然后把以上三个...
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
论文任务描述图
图 2.1 Sigmoid 函数用 Logistic Regression 模型时，发生比作为判断一件用。发生比就是当事件发生时 y 取值为 1，事件未事情发生的概率为 p，那么 1-p 为事件不发生的概数。在回归算法中最常用的估计方法很多，但最小技术被业界认可。因为我们的目标 p 是在[0,1]之二乘估计并不适合我们解决我们的问题，但是我们在趋近 0和 1的时候变换变得更加缓和一些，于是目标，它对事件发生与不发生的比值进行取对数的操作，这也叫做对数差异比。发生这样的情况后，性关系了。归的公式为：
图 2.2 随机森林分类例子随机森林的重采样技术采取的是一种有放回的采样方法，它的名字叫自助法（Boot Strap）。它采样的来源是训练集，并且采集样本数目是固定的，并在采集完毕后将样本放回原集合[22]。如图 2.3 所示。图 2.3 自助法重采样这代表这之前采集的样本在别的采集子集中也会存在。在 Bagging 算法经过几回合的随机采样之后，所有子集的全集中仍然会有 36.8%的数据并没有存在，即不在训练集中。我们称这部分数据为袋外数据（Out Of Bag，简称
【参考文献】：
期刊论文
[1]高效率数学学习高中生数学成绩的影响路径[J]. 康玥媛,张楠,王光明,佘文娟,刘艳云. 心理与行为研究. 2016(03)
[2]数据挖掘在学生专业成绩预测上的应用[J]. 崔仁桀. 软件. 2016(01)
[3]学习参与度对初中生数学成绩影响研究[J]. 马蕾迪,范蔚,孙亚玲. 中国教育学刊. 2015(02)
[4]基于大数据的个性化自适应在线学习分析模型及实现[J]. 姜强,赵蔚,王朋娇,王丽萍. 中国电化教育. 2015(01)
[5]K-Means算法在计算机等级考试成绩分析中的应用[J]. 曾旭,司马宇. 软件导刊. 2012(11)
[6]一种解决协同过滤数据稀疏性问题的方法[J]. 王洋,骆力明. 首都师范大学学报(自然科学版). 2012(04)
[7]数感、数学效能感与数学成绩的关系研究[J]. 王本法,乔福强. 中国特殊教育. 2012(06)
[8]一种基于Bagging算法的高斯过程集成建模方法[J]. 李雅芹,杨慧中. 东南大学学报(自然科学版). 2011(S1)
[9]浅析数据挖掘概念与技术[J]. 穆瑞辉,付欢. 新乡教育学院学报. 2008(03)
[10]基于决策树的英语四级成绩分析[J]. 曹丹阳,李晋宏,魏金强,张艳芳. 北方工业大学学报. 2007(01)
博士论文
[1]高维数据的特征选择及基于特征选择的集成学习研究[D]. 张丽新.清华大学 2004
硕士论文
[1]基于数据挖掘技术的学生成绩分析系统的设计与实现[D]. 马丹.吉林大学 2015
[2]数据挖掘中数据预处理的方法研究[D]. 方洪鹰.西南大学 2009
[3]探索性数据分析方法及应用[D]. 孙丽君.东北财经大学 2005
本文编号：3540204
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
论文任务描述图
图 2.1 Sigmoid 函数用 Logistic Regression 模型时，发生比作为判断一件用。发生比就是当事件发生时 y 取值为 1，事件未事情发生的概率为 p，那么 1-p 为事件不发生的概数。在回归算法中最常用的估计方法很多，但最小技术被业界认可。因为我们的目标 p 是在[0,1]之二乘估计并不适合我们解决我们的问题，但是我们在趋近 0和 1的时候变换变得更加缓和一些，于是目标，它对事件发生与不发生的比值进行取对数的操作，这也叫做对数差异比。发生这样的情况后，性关系了。归的公式为：
图 2.2 随机森林分类例子随机森林的重采样技术采取的是一种有放回的采样方法，它的名字叫自助法（Boot Strap）。它采样的来源是训练集，并且采集样本数目是固定的，并在采集完毕后将样本放回原集合[22]。如图 2.3 所示。图 2.3 自助法重采样这代表这之前采集的样本在别的采集子集中也会存在。在 Bagging 算法经过几回合的随机采样之后，所有子集的全集中仍然会有 36.8%的数据并没有存在，即不在训练集中。我们称这部分数据为袋外数据（Out Of Bag，简称
【参考文献】：
期刊论文
[1]高效率数学学习高中生数学成绩的影响路径[J]. 康玥媛,张楠,王光明,佘文娟,刘艳云. 心理与行为研究. 2016(03)
[2]数据挖掘在学生专业成绩预测上的应用[J]. 崔仁桀. 软件. 2016(01)
[3]学习参与度对初中生数学成绩影响研究[J]. 马蕾迪,范蔚,孙亚玲. 中国教育学刊. 2015(02)
[4]基于大数据的个性化自适应在线学习分析模型及实现[J]. 姜强,赵蔚,王朋娇,王丽萍. 中国电化教育. 2015(01)
[5]K-Means算法在计算机等级考试成绩分析中的应用[J]. 曾旭,司马宇. 软件导刊. 2012(11)
[6]一种解决协同过滤数据稀疏性问题的方法[J]. 王洋,骆力明. 首都师范大学学报(自然科学版). 2012(04)
[7]数感、数学效能感与数学成绩的关系研究[J]. 王本法,乔福强. 中国特殊教育. 2012(06)
[8]一种基于Bagging算法的高斯过程集成建模方法[J]. 李雅芹,杨慧中. 东南大学学报(自然科学版). 2011(S1)
[9]浅析数据挖掘概念与技术[J]. 穆瑞辉,付欢. 新乡教育学院学报. 2008(03)
[10]基于决策树的英语四级成绩分析[J]. 曹丹阳,李晋宏,魏金强,张艳芳. 北方工业大学学报. 2007(01)
博士论文
[1]高维数据的特征选择及基于特征选择的集成学习研究[D]. 张丽新.清华大学 2004
硕士论文
[1]基于数据挖掘技术的学生成绩分析系统的设计与实现[D]. 马丹.吉林大学 2015
[2]数据挖掘中数据预处理的方法研究[D]. 方洪鹰.西南大学 2009
[3]探索性数据分析方法及应用[D]. 孙丽君.东北财经大学 2005
本文编号：3540204
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3540204.html
