面向提升学生就业前景的变量精选聚类模型
计算机与社会
2024-07-25 v1 人工智能
机器学习
摘要
教育数据挖掘(EDM)是应用数据挖掘预测学生表现的热门领域。当前高等教育面临的突出挑战之一是使学生技能就业。高校拥有大量数据，却无法揭示知识并指导学生。教育数据通常庞大、多维且不平衡。从数据中提取知识存在专门问题且极其复杂。本文收集了来自全国各高校的工程和计算机应用专业(MCA)学生数据。该数据集大规模、不平衡且多维。本文提出一种聚类模型，该模型在预处理阶段应用后，可实现变量的精选，提高预测算法的性能，从而提升学生就业预测效果。
引用
@article{arxiv.2407.16884,
title = {Cluster Model for parsimonious selection of variables and enhancing Students Employability Prediction},
author = {Pooja Thakar and Anil Mehta and Manisha},
journal= {arXiv preprint arXiv:2407.16884},
year = {2024}
}
备注
8 pages