使用模糊逻辑根据学业成绩对学生进行聚类

使用Python和Google Colab云服务开发了基于模糊逻辑根据学生学业成绩进行聚类的软件。在教育数据分析过程中，解决了数据挖掘的问题，因为从大量数据样本中仅能获得教育过程的某些特征。数据聚类采用经典的K-Means方法，该方法具有简单和高速的特点。使用机器学习库scikit-learn（Python）在两个特征的空间中进行了聚类分析。获得的聚类由模糊三角隶属函数描述，这允许正确确定每个学生属于某个聚类。使用scikit-fuzzy库创建模糊隶属函数。开发对象属于聚类的模糊函数也有助于教育目的，因为它可以更好地理解模糊逻辑的使用原理。使用开发的软件处理测试教育数据后，获得了正确的结果。结果表明，使用模糊隶属函数可以正确确定学生属于某些聚类，即使这些聚类没有明确分离。因此，可以更准确地为每个学生推荐适合其先前评估的任务难度级别。