基于特征组合模型的多科目综合成绩预测方法研究

扫码查看

原文链接

万方数据
维普

中文摘要：随着人工智能和教育数据挖掘技术在教育领域的广泛应用,针对多个特征影响成绩预测的问题,研究提出将因式分解机、深度神经网络和含有Product层的神经网络结合为成绩预测模型,并用不同参数、模型结构和传统预测模型比较对模型性能的影响.结果显示,五个评价指标结果在神经元个数为256时最高,特征组合成绩预测模型性能最优.此时F1为90.7％,接收者操作特征曲线下与坐标轴围成的面积为81.8％,准确率为86.7％,精确率为86.8％,召回率为95.0％.改进模型三种结构组合特征的五项评价指标结果是最高的,学习效果最佳.改进模型有很好的预测效果,能够提升成绩预测性能.这对于提高教育教学质量具有一定的实用价值.

作者：

李宝霞

展开 >

作者单位：

运城师范高等专科学校,山西运城 044000

关键词：

特征组合成绩预测因式分解机深度神经网络分类评价指标

出版年：

2024

佳木斯大学学报(自然科学版)

佳木斯大学

佳木斯大学学报(自然科学版)

影响因子：0.159

ISSN：1008-1402

年,卷(期)：2024.42(8)