基于机器学习的在线学习数据分析与研究

• 作者: 刘畅 隋永博 黄丽丽 黄家琦
• 来源期刊: 数字技术与应用
• 学科: 工学
• 关键词: 机器学习 多元线性回归 广义回归神经网络 在线学习
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 应用研究
• 页码范围: 69-70
• 页数: 2页
• 分类号: TP181
• 字数: 2248字
• 语种: 中文
• DOI: 10.19695/j.cnki.cn12-1369.2020.02.39

摘要

本文主要以机器学习方法为基础对学生在线学习行为数据进行分析和研究.首先采用多元线性回归的方法对从网络教学平台获得的14个量化特征按照对考试成绩的影响权重进行排序,随后采用广义回归神经网络分别对选出的权重较高的9个特征以及全部特征进行建模.结果表明,通过特征选择后的模型平均绝对误差为5.7,无论是在预测能力还是拟合优度方面都要高于采用全部特征的模型,因此该模型可以有效预测考试成绩,使教师能够识别出容易不及格的学生,及时提供干预与支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘畅	长春中医药大学医药信息学院	45	158	7.0	11.0
2	隋永博	长春中医药大学医药信息学院	7	5	1.0	2.0
3	黄丽丽	长春中医药大学医药信息学院	5	3	1.0	1.0
4	黄家琦	长春中医药大学医药信息学院	3	0	0.0	0.0