6、数据挖掘技术在学生成绩预测中的应用分析

数据挖掘技术在学生成绩预测中的应用分析

1. 支持向量机（SVM）在学生成绩预测中的应用

支持向量机（SVM）在学生成绩预测领域有广泛应用。
- Jadhav 等人的研究 ：他们探究了学生入学前学术概况与最终学术表现的关系。使用 KNN、决策树、线性回归和 SVM 四种方法，依据学生 GPA 预测“O”级成绩。数据来自尼日利亚西南部联邦理工学院 89 名学生前三个学期的成绩，经预处理去除被退学和开除学生的成绩。通过调整 SVM 的核参数，采用 RBF 核且 C = 100 时，SVM 准确率达 98%。
- Janan 和 Ghosh 的研究 ：他们结合主观和定量因素，探究导致学生退学或辍学的原因。向孟加拉国大学二年级学生发放包含 21 个问题的问卷，用 SVM 预测结果。数据集按 80:10 划分训练集和测试集，准确率为 81.25%。
- Alamri 等人的研究 ：对数学和葡萄牙语课程的最终学校成绩进行早期预测，依据学生先前作业成绩、社交生活、家长工作和缺勤频率等。收集了 369 个数学样本和 649 个葡萄牙语样本，各有 33 个属性，数学准确率为 92.43%，葡萄牙语为 93.33%。
- Burman 和 Som 的研究 ：根据心理测量成分将学生成绩分为高、中、低三类。数据集包含 1000 条基于 29 个非智力因素的记录，按 70%训练、30%测试划分，准确率为 90.97%。
- Al - shehri 等人的研究 ：预测学生期末考试成绩，数据来自葡萄牙米尼奥大学，