基于RFG-SVM算法的在线课程学习行为分析

摘要：

因支持向量机算法对在线课程平台的学习行为分析有误差,提出了一种基于大数据的随机森林模型的特征加权支持向量机RFG-SVM算法,该算法是在传统支持向量机算法上做完善、修改.利用Gini指数对特征变量计算,再计算RF模型分类识别的准确度,获得特征设定权重值,完成权重值在支持向量机的核函数中的计算.实验结果表明,通过对不同学习行为的学生的学习效果的预测,发现该方法能有效帮助教育者通过在线平台分析学习者的学习行为,预测学习效果,具有更高的准确率和稳定性.

关键词：在线课程、RFG-SVM算法、学习行为分析

所属期刊栏目：22

分类号：G434(电化教育)

资助基金：院级重点项目YB1906

在线出版日期：2022-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：26-30