文献类型：期刊文章

作　　者：喻铁朔[1] 李霞[2] 甘琤[2]

机构地区：[1]郑州轻工业大学计算机与通信工程学院,河南郑州450002 [2]郑州轻工业大学信息化管理中心,河南郑州450002

出　　处：《中国教育信息化》

基　　金：2020年度河南省高等学校重点科研项目(20A120011)。

年　　份：2020

卷　　号：26

期　　号：17

起止页码：23-28

语　　种：中文

收录情况：NSSD、RCCSE、普通刊

摘　　要：学生成绩预测是教育数据挖掘在教学实践中的一大重点,相比分类成绩预测的单一结果,回归成绩预测更能深化预测在教学实践中的意义。文章基于H2O框架下广义线性模型(GLM)、深度学习(DL)、梯度提升树(GBT)以及支持向量机(SVM)四种主流模型进行回归预测比较研究。从模型预测精度、预测结果对比、预测误差分析三个角度分析4种模型,在不同课程、不同课程属性下的适用性。结果表明,DL模型适用于专业课程,SVM模型适用于公共课程,回归模型的成绩预测受到离群数据影响较大,各模型对离群数据解释能力较弱。

关 键 词：学生成绩预测  回归模型  多模型对比  误差分析

分 类 号：TP301.6]