基于Stacking集成學(xué)習(xí)模型的學(xué)生學(xué)習(xí)成績(jī)預(yù)測(cè)研究

打開(kāi)文本圖片集

摘  要：以數(shù)據(jù)為載體驅(qū)動(dòng)學(xué)生學(xué)習(xí)表現(xiàn)評(píng)估是教育領(lǐng)域的重要研究?jī)?nèi)容，鑒于單一學(xué)習(xí)模型在學(xué)習(xí)成績(jī)預(yù)測(cè)時(shí)會(huì)出現(xiàn)泛化效果較差的情況，提出一種融合多個(gè)單一學(xué)習(xí)模型的Stacking集成學(xué)習(xí)模型，以KNN、邏輯斯諦回歸、樸素貝葉斯、決策樹(shù)四種模型作為集成學(xué)習(xí)模型的基分類器，選擇XGBoost模型作為次學(xué)習(xí)器。（剩余5057字）