10.13829/j.cnki.issn.1671-9654.2022.01.007
基于RFG-SVM算法的在线课程学习行为分析
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.
在线课程、RFG-SVM算法、学习行为分析
22
G434(电化教育)
院级重点项目YB1906
2022-04-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
26-30