38、提升学生成绩与自平衡机器人控制器实现研究

提升学生成绩与自平衡机器人控制器实现研究

一、学生成绩提升研究

1. 关联挖掘概念
   关联挖掘用于找出经常一起被购买的商品对，也可用于找出一起挂科学生较多的科目对。支持度是指同时包含物品A和B的交易数量与包含物品A的交易总数的比值；置信度是指在包含物品A的交易中，同时包含物品B的交易的百分比。例如，在表1的交易数据中：
   | 交易编号 | 购买物品 |
   | ---- | ---- |
   | T1 | I1, I2, I3, I4 |
   | T2 | I1, I3, I4 |
   | T3 | I2, I3 |
   | T4 | I1, I3, I4 |
   | T5 | I1, I3 |

对于物品I1和I3的关联：
- 支持度：80%（5次交易中有4次同时包含I1和I3，即4/5 = 0.8）
- 置信度：100%（4次包含I1的交易中，每次都包含I3）

这表明顾客购买I1时，有100%的可能性会购买I3。
2. 研究步骤
- 数据收集、预处理与准备 ：收集2015 - 2019年计算机科学专业一年级学生的成绩数据，删除全部通过的学生记录，将剩余54名挂科学生的成绩数据转换为.csv文件，进行合适的通过/挂科编码，以便使用WEKA工具进行关联挖掘。
- 数据处理 ：将.csv文件导入WEKA软件，应用Apriori关联挖掘算法，设置最小支持度为15%及以上，置信度为70%及以上，生成最佳规则。