MOOC辍学预测数据集，超过155000名学生在中国一所大学通过MOOC课程学习247门独特课程的Web跟踪日志 MOOC辍学预测数据集，超过155000名学生在中国一所大学通过MOOC课程学习247门独特课程的Web跟踪日志 MOOC辍学预测数据集，超过155000名学生在中国一所大学通过MOOC课程学习247门独特课程的Web跟踪日志

kddcup-2015 2015年KDD杯-预测MOOC辍学 信息： ： 团队：ttllbb

中学生辍学社会实践报告.doc

辍学学生的预测 该项目的目标是确定有辍学风险的学生 介绍 从一组包含有关1000名学生的前两个学期的信息的文件中，必须将它们集成到一个文件中以进行后续分析，最后的文件必须分为三组： 100名学生进行测试 200名学生评估模型 700名学生训练模型。 学生没有被标记，因此需要对数据进行描述性分析，一旦标记了学生，就必须使用kmeans才能基于聚类分析来标记数据。 必须使用人工神经网络来训练模型，以预测哪些学生会辍学。 建立模型后，必须使用100名学生的测试数据集来了解其中哪些人会辍学，因此它将使用一种遗传算法来优化大学的资源，以便为学生提供机会，从而避免辍学。 方法 发展 变量选择和特征工程 性别：男性或女性（0或1） admision.letras ：十进制数字，代表学生在高中入学考试中的成绩。 admision.numeros ：小数，表示学生在高中入学考试中的成绩。 prom

卷积神经网络的辍学训练

自述文件 这是我们的代码，此代码可以轻松获得AUC 0.8589，最终的最佳分数是0.9091。 如果您有任何问题，请随时给我发送电子邮件（ ）。 文件说明 /数据：我们不上传数据，请在官方网站上找到。 / JavaCode：用于数据处理的Java代码。 / MatlabCode：用于特征选择和分类的matlab代码。 /ResultAnalysis.xlsx：结果分析。 /Instruction-Jacoxu.docx

InfoDrop 代码对我们的报纸由 ， ，，，，，ICML2020。 此仓库包含以下代码 域泛化 少拍分类

威斯康星辍学预警系统 欢迎使用威斯康星辍学预警系统 (DEWS)。 DEWS 是基于 R 统计计算语言的 DPI 数据仓库构建的机器学习应用程序。 DEWS 旨在成为一个灵活的半自动化机器学习系统，它评估数十种可能的机器学习算法以预测辍学，并选择性能最高的模型来为当前学生分配风险评分。 DEWS 背后的许多细节已经在其他地方进行了讨论，包括在 DPI 网站上： : 。 Knowles 2015 中讨论了机器学习方法的技术细节。 本文档用于描述 DEWS 程序本身。 DEWS 在设计上是一个模块化应用程序，允许它灵活地适应 DPI 的数据变化、新措施的可用以及新的机器学习技术的开发。 这种模块化由四个主要子程序组成（Knowles 2015）。 准备环境 数据采集 转换数据 火车模型 评分案例 每个子程序中都有许多步骤。 在大多数情况下，DEWS 包含一个自定义 R 函数来应用这些步

糖尿病发作检测 @machinelearning{han2021cs, title={Diabetes Onset Detection using Keras Model}, author={Nguyen, Han}, year={2021}, associate={Personal Project} } 简要描述;简介 该项目是一个基于机器学习的应用程序，通过Keras模型和寻找最佳超参数的训练方法（使用网格搜索和scikit-learn并优化神经元数量）来预测个人是否患有糖尿病。 有关更多详细信息，请参阅《 我学到的是 在这个项目中，我利用自己的知识来构建Keras模型，以及对参数的不同更新（从学习率，辍学，激活，神经元初始化），以了解哪种方法可以产生最佳的准确性。 我还了解到，使用此模型，训练精度非常高； 但是，测试精度略低于80％。 这意味着我们在误报和误报方面

kdd2015年竞赛代码全公开，预测慕课辍学率，准确率达到了接近95%。