应用朴素贝叶斯算法预测学生学习指标的改进研究

• 作者: 李宏林
• 来源期刊: 情报探索
• 学科: 教育
• 关键词: 数据挖掘 预测分析 朴素贝叶斯 算法改进 PMML
• 年，卷（期）: 2015,（6）
• 页码范围: 22-26,32
• 页数: 6页
• 分类号: G40-058
• 字数: 4849字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-8095.2015.06.005

摘要

以综合因子分值作为学生学习指标，应用SVM、KNN、决策树、迭代森林、朴素贝叶斯、神经网络六种数据挖掘算法对其进行预测，从合并样本随机拆分及人工指定划分两个角度，根据学生科目成绩预测学生学习指标发展趋势，发现朴素贝叶斯算法预测准确率最高。为提高预测准确率，提出朴素贝叶斯算法的3种改进途径，即主成分分析、先验概率修正、多重过滤预判；利用JAVA软件建立一个基于PMML的素质预测系统，采用主成分分析、贝叶斯过滤、贝叶斯先验概率修正3个模块来提高对综合学习素质的预测准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李宏林		6	11	2.0	3.0