21、深度学习：从理论到实践的全面剖析

深度学习：从理论到实践的全面剖析

1. 学生成绩预测的CFFNN模型

在学生成绩预测领域，CFFNN模型在包含葡萄牙语数据的学生成绩数据集上得到了应用。该模型的应用过程及结果如下：

1.1 模型应用与实验设置

• 首先，研究人员将CFFNN模型应用于所有可能的训练 - 测试分割比例组合，针对预测G3成绩设置了三种情况。
• 实验中考虑了多种属性，包括人口统计学特征、G1和G2成绩等，共计32个属性。

1.2 实验结果分析

实验结果	详情
属性作用	实验结果表明，除了人口统计学特征外，学术属性在预测学生成绩方面也起着重要作用。使用全部32个属性时，预测结果更佳。
函数效果对比	trainlm函数在所有情况下的表现均优于traingdx函数。
不同分割比例下的性能	当数据分割比例为60%、70%、80%和90%时，使用trainlm函数的CFFNN模型在所有情况下均优于使用traingdx函数的CFFNN模型，且均方误差（MSE）最低可达0.0852。

1.3 模型优势与拓展

• 每个实验都经过多次重复，以获得能