基于数据挖掘技术的高校学生成绩预测模型构建

• 作者: 刘爱萍
• 来源期刊: 长春工程学院学报（自然科学版）
• 学科: 工学
• 关键词: 数据挖掘技术 高校学生成绩 预测模型 置信度数值
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 信息技术与应用
• 页码范围: 98-101
• 页数: 4页
• 分类号: TP311|G434
• 语种: 中文
• DOI: 10.3969/j.issn.1009-8984.2020.02.023

摘要

为了解决传统高校成绩预测模型所得结果置信度过小的问题,构建一种基于数据挖掘技术的高校学生成绩预测模型.采集高校学生日常行为数据,利用K—平均算法的准则函数处理采集到的数据,将处理后的数据划分为不同类别,并采用KNN算法提取分类后的数据特征,得到构建模型所需的预测因子,不断训练迭代预测因子,对预测因子中随机变量的不确定性进行度量,完成高校学生成绩预测.实验结果表明:与两种传统成绩预测模型相比,基于数据挖掘技术的高校学生成绩预测模型所得结果置信度数值更大,预测结果更准确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘爱萍		6	7	2.0	2.0