面向不确定残缺数据的大学生成绩预测方法

• 作者: 孙金德 曹卫权 曹歆雨 李峥
• 来源期刊: 现代电子技术
• 关键词: 成绩预测 缺失数据 数据插补 数据挖掘 机器学习 随机森林模型
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 前沿交叉科学
• 页码范围: 145-149
• 页数: 5页
• 分类号: TN911-34|TP391
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2018.06.035

摘要

大学生在课程规划方面有很高的自由度,这使得成绩数据较不规整,研究者很难对学生的前序课程成绩进行有效分析、利用.已有的成绩预测方法普遍未考虑学生前序课程成绩残缺的现象,从而导致预测准确性不佳.提出一种基于K近邻局部最优重建的残缺数据插补方法,该方法能够有效抑制前序课程成绩缺失对预测模型精度的影响.实验表明,该方法的补全效果优于已有的均值插补、GMM插补等方法,结合随机森林模型实现了有效的成绩预测,为学生成绩管理、就业能力预警提供了客观的参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李峥		8	7	1.0	2.0
2	孙金德		5	16	2.0	4.0
3	曹卫权		5	13	2.0	3.0
4	曹歆雨		3	6	1.0	2.0