学生成绩预测模型的对比分析
目的:旨在对比学生成绩预测模型.方法:共获取605条数据,共32个解释变量,通过特征选择剩余23个自变量,建立训练集和测试集,以G3为目标变量,分别构建SVM模型、神经网络模型和逐步回归模型,比较这三个模型的预测结果.结果:采用逐步回归模型预测学生成绩在最小误差、最大误差、平均误差、平均绝对误差和标准差方面均低于神经网络模型和SVM模型,在预测值和实际值的线性相关系数方面均高于神经网络模型和SVM模型.结论:在预测学生成绩上,逐步回归模型优于神经网络模型和SVM模型.
学生成绩预测模型、神经网络模型、逐步回归模型、SVM模型、线性相关系数
16
TP181(自动化基础理论)
顾及空间上下文关系的能量最小化地图多要素协同移位方法国家自然科学基金青年基金41701537
2020-03-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
199-202