14、支持向量机在学生教育数据分类中的应用与优化

支持向量机在学生教育数据分类中的应用与优化

1. 研究背景与数据来源

在教育领域的研究中，为了更好地了解学生的学习情况和预测学生的学业表现，需要对相关数据进行分析。本科生的入学信息，包括平均绩点（GPA）和成绩等被用于生成研究所需的数据。

有研究利用机器学习算法和个人信息来识别在线学习的退学情况。例如，Lykourentzou 等人（2009）使用了三种机器学习算法和个人信息来识别在线学习的退学情况，他们所在的雅典市政技术学院协作通信研究所赞助了在线学习团队。使用的算法包括前馈神经通路、支持向量机（SVM）和确定性集成模糊 ARTMAP。

还有研究聚焦于新生在做出最终决定时所考虑的最重要因素。Sujitparapitaya（2006）定义了“休学”“维持”和“可转移”等术语，该案例研究的数据来自美国国家学生信息交换中心，使用的算法包括逻辑回归、神经网络和 C5.0（决策树），在预测一年级学生留校率方面，C5.0 规则归纳模型表现略优于其他两种。

本研究使用的实验数据集是一个多类学生教育数据集，来自尼日利亚中北部地区一所大学的计算机科学系。该数据集包含 153 名毕业学生的记录，预测变量包括性别、年龄和他们所修的 64 门课程，类标签是他们毕业时获得的最终成绩，最终成绩有五个不同的值：一等、二等上、二等下、三等和及格。

数据集首先按 80:20 的比例分为两部分，80%的数据进行 10 折交叉验证（10 - FCV），其余 20%作为验证集用于测试阶段。即 122 个样本用于训练/构建四个 SVM 模型（使用线性、多项式、径向基和 S 型 SVM 核函数），31 个样本作为验证测试集来评估开发的 SVM 混合规则提取方法的性能。