基于特征选择算法的教育数据挖掘准确性分析
机器学习
2021-09-02 v2 数据库
摘要
收集用于预测学生学业进展的相关信息是一项繁琐的任务。由于数据库中存在大量不相关数据，导致结果不准确。目前，由于数据中存在过多不相关属性与特征，无法准确测量和分析学生数据。借助教育数据挖掘（EDM），信息质量可得以改善。本研究展示了 EDM 如何利用相关属性与所执行的机器学习算法来测量数据的准确性。通过 EDM，可在不改变原始数据的情况下移除不相关特征。本研究使用的数据集取自 Kaggle.com。结果基于召回率、精确率和 F 值进行比较，以检验学生数据的准确性。本研究的重要性在于通过为研究者提供更准确的结果，帮助提升教育研究的质量。
引用
@article{arxiv.2107.10669,
title = {Accuracy analysis of Educational Data Mining using Feature Selection Algorithm},
author = {Ali Jaber Almalki},
journal= {arXiv preprint arXiv:2107.10669},
year = {2021}
}