20、学生学业成绩预测与脑肿瘤检测分类研究

学生学业成绩预测与脑肿瘤检测分类研究

学生学业成绩预测

在教育领域，分析学生的学业表现一直是一项具有挑战性的任务。而机器学习算法为收集和分析数据以构建预测模型提供了机会，从而有助于提高学生的学业成绩。

研究目标

本次研究主要聚焦于以下三个方面：
1. 探究挂科情况和学科绩点对学生成绩的影响。
2. 研究特征选择如何帮助找出关键属性。
3. 对比集成方法和单一假设在小数据集上的表现。

研究方法

• 数据收集 ：从GRIET网站收集了394名三年级第一学期计算机科学与工程专业学生的相关数据，涵盖学生成绩、人口统计和学院相关等18个属性。
• 数据预处理 ：这是应用机器学习算法前的必要步骤，主要包括以下四个阶段：
  • 数据清洗 ：由于人为输入错误，数据集中可能存在缺失值或重复数据。采用列表删除技术，若某条记录包含缺失值，则将其整行删除。最终，数据集从394行减少到389行。
  • 数据转换 ：将学期平均绩点（SGPA）转换为成绩等级。SGPA范围为0 - 10，根据评分政策将其划分为八个等级，如0 - 4为F等级（不及格），4 - 5为D等级（及格）等。
  • 数据可视化 ：使用Google图表工具对数据集进行可视化。将学生按性别分为男性和女性（240名男性和149名女性），成绩分为“通过”和“不及格”两类。