面向学习能力的学生群体画像建模方法研究【毕业设计】【Python】【机器学习】【数据分析】【源代码】
注：数据集太大，可在压缩包中的数据集 html 页面中点击链接下载完整数据集。
本项目采用ASSISTments 2012 数据集， 在所有数据集中，问题通常只有一种技能，但极少数可能与两种或三种技能相关联。 它通常取决于内容创建者给出的结构。 一些研究人员通过复制将具有多种技能的记录分成多个单一技能记录。 Wilson[6]声称这种类型的数据处理可以人为地显著提高预测结果，因为这些重复行可以占到DKT模型的Assistment09数据集中大约25%的记录。 因此，为了比较的公正性，我们在所有数据集中去掉了重复和多技能重复记录。
本项目基于pandas + Matplotlib + seaborn 等工具包对学生的测试数据进行可视化统计分析，并利用学生 2012 年和2013年上半年不同类型题目的测试结果数据，构建机器学习面向，实现对学生的画像建模，以此预测 2013年下半年测试对不同类型问题的表现。
可以看出，该决策树模型的预测结果如下，可以较好的依据用户测试的行为数据（测试过的试题种类、测试时间、犹豫情况、提示次数等等），预测该学生是否能考试达标（测试准确率 > 60%）
文件下载
资源详情
[{"title":"（ 5 个子文件 1.53MB ） 面向学习能力的学生群体画像建模方法研究【毕业设计】【Python】【机器学习】【数据分析】【源代码】","children":[{"title":"面向学习能力的学生群体画像建模方法研究.ipynb <span style='color:#111;'> 1.13MB </span>","children":null,"spread":false},{"title":"【结果导出】面向学习能力的学生群体画像建模方法研究.html <span style='color:#111;'> 1.47MB </span>","children":null,"spread":false},{"title":"ASSISTmentsData - 2009-2010 ASSISTment Data","children":[{"title":"ASSISTmentsData - 2012-13 School Data with Affect.html <span style='color:#111;'> 130.80KB </span>","children":null,"spread":false},{"title":".DS_Store <span style='color:#111;'> 6.00KB </span>","children":null,"spread":false}],"spread":true},{"title":"requirements.txt <span style='color:#111;'> 6.56KB </span>","children":null,"spread":false}],"spread":true}]
评论信息
其他资源
- NOIP普及组2010-2017复赛试题及官方数据
- 编译原理 实验报告
- Qt跨平台界面应用开发 - 王桂林老师总结的书籍
- i2c-tools_4.0.zip
- 雷达技术丛书之雷达接收机技术
- BatUTF8Conv.exe 文件批量转换为utf-8格式
- 【eclipse】VcodeExtractor插件开发——用于验证码识别的JMeter插件
- 海洋数值模拟
- NT39116Ver0.06.pdf
- 高压开关柜保护计算.xls
- IPv6校园网的设计与部署
- [java]MyBatisPlus视频教程
- 多级嵌套选项卡_多级嵌套舌签Tabs
- source insight
- hibernate所需要的所有jar包
- 黄金分割法C语言程序（运行过无误的）
- 千里之行购物网站JSP源码-jsp+servlet+sql2005
- TCP 客户端和服务端通信实例
- Deep.Learning.with.TensorFlow
- commons-io-2.4.jar
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明