改进的K-近邻算法及其在学习预警中的应用

• 作者: 宗晓萍 陶泽泽
• 来源期刊: 河北大学学报（自然科学版）
• 学科: 工学
• 关键词: 教育数据挖掘 网格搜索 K-近邻 交叉验证 基尼增益
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 电子工程与计算机科学
• 页码范围: 193-199
• 页数: 7页
• 分类号: TP399
• 字数: 5996字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1565.2020.02.012

摘要

随着大数据在教育中的作用日益凸显,大量的数据被应用到教学研究、教学评估和行为预测.学生的成绩、行为记录、与老师的互动记录等教育数据,都已经开始发挥价值.为了解决课程的低通过率问题,将改进的K-近邻算法应用到学习预警中,首先利用网格搜索和交叉验证相结合的方法对模型参数进行优选,其次在构建决策树过程中,利用基尼增益确定特征的权重系数并且根据权重系数进行特征选择,在计算距离时引入权重系数,使每个特征收到权重系数的约束.实验表明,在一个公开的数据集和一个真实的数据集上,改进后的K-近邻算法显著优于传统的K-NN.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宗晓萍	河北大学电子信息工程学院	56	352	9.0	16.0
2	陶泽泽	河北大学电子信息工程学院	1	0	0.0	0.0