特征选取论文总结

该文总结了用分类技术预测学生考试通过情况的特征选取过程,包括卡方检验、信息增益和增益比等方法。通过数据清洗、特征筛选,最终确定6个最佳预测变量用于构建决策树。特征选取对于模型的训练时间和预测能力至关重要,同时文中也指出了各种方法的适用场景和局限性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

论文总结:

目的:用分类技术预测学生下次考试是否会通过

选取特征X:

MED(学习媒介)                                        Tamil,English

FG(应届毕业生)                                  YES,NO

RESI(居住)                                           DayScholar,Hostel

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值