支持向量机在成绩分析中的应用研究

• 作者: 张扬武
• 来源期刊: 福建电脑
• 学科: 工学
• 关键词: 成绩分析 支持向量机 SVM 机器学习 最小误差
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 论著
• 页码范围: 43-47
• 页数: 5页
• 分类号: TP183
• 字数: 3100字
• 语种: 中文
• DOI: 10.16707/j.cnki.fjpc.2019.03.010

摘要

成绩分析为教学活动提供重要的决策依据,传统的成绩分析方法难以发现教学中的潜在问题,也存在一些效率上的困难.针对传统成绩分析方法难以处理大数据成绩的问题,本文提出一种基于支持向量机(SVM)的成绩方法.期末成绩划分为五个等级,分别根据不同的等级标准,将学生成绩标记为正类或负类标签.现代教育理念非常重视学生平时表现,根据机器学习理论和最小误差理论,将学生平时表现作为模型的输入端,期末成绩标签作为模型输出端.实验结果表明,基于支持向量机成绩分析模型比传统方法更能发现学生平时表现对课程评价的影响,从而改善平时课堂教学效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张扬武	中国政法大学法治信息学院	12	17	3.0	3.0