第五に、論文を読みます
- 紙名:陳Zijian、朱Xiaoliang教育学術データマイニング、予測モデリングのオンライン学習者モデルに基づきます。
- 研究では、
オンライン教育のデータから学習者の学力に影響を与え、鉱業要因予測分類モデルを構築します。 - 研究意欲の
予測と学業成績の評価は、世界共通の関心事教育研究者の話題である学業成績の学習者は、早期警戒や他の介入の提供を容易に予測する方法オンライン。 - 文献のレビュー
この研究では、分類モデル(分類器)を取得し、モデルの性能を評価するための予測モデルアカデミック学生のパフォーマンスカテゴリ既知のトレーニングデータまたは分類機能を使用することです。 - 研究デザイン
- 予測アルゴリズムの
研究は、研究の終了時に予測された学業成績カテゴリのための離散値の予測、程度の使用機密作戦。
一般的に使用される分類アルゴリズム
BN、DT、ANN、SVM(単一分類器を訓練) - 統合された学習
集団的意思決定は、個々の意思決定よりも優れている(袋詰め、プロモーション、ランダムフォレスト) - 実験計画
その後、それぞれ、単一トレーニングセットに分類器を訓練された4つの分類アルゴリズム以上、その後、訓練された4つのアルゴリズム分類子グループ、およびアンサンブル学習を構成する3つの分類器を使用して統合。
単一の統合された分類器と分類器の性能比較。 - 結果分析
BN、DT、ANNは、改善の分類性能の程度を変えることができるアンサンブル分類器を構築することによって、SVMは明らかではありません。
- 予測アルゴリズムの
- データセットを使用し
研究で使用したヨルダンの学術データセットのeラーニング大学(XAPI-エドゥ-日) - 結論
- 経験に学ぶ
「分類精度を向上させるための技術」データマイニングの章VIIIと併せて読ま良い一つの文書、セクション8.6を、文献は明確にデータソースを設定示しているが、著者が持っている文献に加えて、URL 404を開くように見えました詳しくはこちらをご覧ください。