《表8 模型预测结果比较：学生成绩预测模型的对比分析》
提示：宽带有限、当前游客访问压缩模式
本文运用神经网络、SVM、逐步回归模型分别对学生葡萄牙语成绩G3进行预测，分别得到三个预测结果指标，具体结果比较如表8所示。
| 图表编号 | XD00116575400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.01 |
| 作者 | 王欣欣、汤军 |
| 绘制单位 | 长江大学地球科学学院、长江大学地球科学学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表8 两种模型预测对比：大数据分析下的助学金发放判断辅助模型》2021.01.15
- 《表8 预测结果误差对比：基于CNN-LSTM网络模型的风电功率短期预测研究》2020.08.01
- 《表5 学生提问次数统计：大学基础课课程成绩加权投票预测模型研究》2020.01.01
- 《表2 学生成绩的等级：大学基础课课程成绩加权投票预测模型研究》2020.01.01
- 《表2 预测结果对比：学生综合能力预测模型研究》2019.10.10
- 《表5 具体预测指标：学生成绩预测模型的对比分析》2020.01.01
- 《表6 逐步回归结果：学生成绩预测模型的对比分析》2020.01.01
- 《表3 特征选择结果：学生成绩预测模型的对比分析》2020.01.01
- 《表7 具体预测指标：学生成绩预测模型的对比分析》2020.01.01
- 《表4 具体预测指标：学生成绩预测模型的对比分析》2020.01.01
- 《表1 模型宽表：学生成绩预测模型的对比分析》2020.01.01
- 《表2 变量赋值：学生成绩预测模型的对比分析》2020.01.01
- 《表2 变量赋值：学生成绩预测模型的对比分析》2020.01.01
- 《表1 性能指标对比：基于成绩变化趋势的多任务成绩预测模型》2019.10.01
- 《表8 四种模型销量预测结果对比》2019.08.01
- 《表3 8#煤层含气量预测模型1逐步回归分析结果》2019.07.20
- 《表1 大学生实验课成绩预测模型的自变量》2019.07.05
- 《表3 模型控制变量：情感指数对MOOC学生成绩的预测研究》2019.05.01
- 《表1 属性及其值的描述：基于数据预处理技术的学生成绩预测模型研究》2019.01.05
- 《表2 缺课次数及平均分：基于数据预处理技术的学生成绩预测模型研究》2019.01.05