声明
第1章 绪 论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 研究现状总结
1.3 研究目的及主要内容
1.3.1 研究目的
1.3.2 主要内容
1.4 论文组织结构
第2章 数据挖掘相关技术概述
2.1 特征工程
2.1.1 数据预处理
2.1.2 特征衍生
2.1.3 特征选择
2.2 决策树
2.2.1 ID3算法
2.2.2 C4.5算法
2.2.3 CART算法
2.3 随机森林
2.4 模型融合
2.5 模型评估
2.5.1 模型评估方法
2.5.2 模型评估指标
2.6 本章小结
第3章 在线学习数据的分析及处理
3.1 数据集检查
3.1.1 数据集介绍
3.1.2 缺失值检查
3.1.3 平衡性检查
3.2 特征表示方式转换
3.2.1 离散特征表示方式转换
3.2.2 连续特征离散化
3.3 特征相关性分析
3.4 本章小结
第4章 学生学业水平预测过程
4.1 实验环境
4.1.1 硬件环境
4.1.2 软件环境
4.2 统一变量设定
4.3 树模型构建与选择
4.3.1 ID3预测模型构建
4.3.2 CART预测模型构建
4.3.3 随机森林预测模型构建
4.3.4 模型评估与选择
4.4 特征选择
4.5 Stacking融合模型的构建
4.5.1 各层学习器选择
4.5.2 Stacking模型融合构建过程介绍
4.5.3 Stacking融合模型构建
4.6 本章小结
第5章 实验结果分析
5.1 各模型预测结果对比分析
5.1.1 各模型特征选择前后结果对比
5.1.2 特征选择后各模型结果对比
5.2 Stacking融合模型参数分析
5.2.1 统一变量
5.2.2 ID3模型参数
5.2.3 随机森林模型参数
5.2.4 XGBoost模型参数
5.3 Stacking融合模型特征重要性分析
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 不足与展望
参考文献
作者简介
在学期间所取得的科研成果
致谢
吉林大学;
