19、学生辍学预测与股票价格趋势预测的机器学习应用

学生辍学预测与股票价格趋势预测的机器学习应用

学生辍学预测

研究方法

为了预测学生的学业结果和辍学情况，构建并评估了机器学习模型，整个工作流程包含以下五个步骤：
1. 采用 k 折交叉验证将原始数据集划分为训练集和测试集。
2. 应用数据平衡算法（如 ROS、SMOTE 和 ADASYN）解决数据不平衡问题。
3. 实施机器学习算法（包括 RF、SVM、决策树、Adaboost、梯度提升和深度学习）构建模型。
4. 评估这些模型的性能。

graph LR
    A[原始数据集] --> B[k 折交叉验证]
    B --> C[训练集]
    B --> D[测试集]
    C --> E[数据平衡算法]
    E --> F[机器学习算法构建模型]
    F --> G[模型性能评估]
    D --> G

数据集

使用的数据集来自一所大学教育机构，包含 35 个属性列和 4424 个数据实例。前 34 列是学生的个人信息，已编码为数值，第 35 列“Target”代表学生的学业表现或结果，分为三个类别标签。

No	Attribute	Type	No	Attribute	Type