探索学习资源评估与本体匹配技术
1. 学习资源评估模型构建与分析
在学习资源评估方面,研究人员依据学习资源的认可数量将其分为两类,即仅有一次认可和有多次认可的资源。通过不同的数据挖掘分类算法,并借助WEKA软件创建和评估了以下分类算法:J48(决策树)、SimpleCart(决策树)、PART(规则)、多层感知器和贝叶斯网络。
| 算法 | 总体准确率 - 正确分类实例 | 平均绝对误差 | 类别 = 一次认可的正确分类实例 | 类别 = 多次认可的正确分类实例 |
|---|---|---|---|---|
| J48 | 98.3282 | 0.0297 | 99.7047 | 58.2822 |
| Simple Cart | 97.8186 | 0.04 | 99.2619 | 44.7852 |
| PART | 97.9409 | 0.0327 | 99.2619 | 59.5092 |
| 多层感知器 | 96.6769 |
超级会员免费看
订阅专栏 解锁全文
83

被折叠的 条评论
为什么被折叠?



