《表1 分类基准、学习效果题目处理情况及内部一致性系数统计表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《研究型大学本科生就读经验及学习效果差异的类型学分析——以H大学为例》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

此过程主要运用R语言作为数据挖掘工具。随机森林（Random Forests，RF）算法是一个基于树型分类器的组合算法，由Breiman于2001年提出。当因变量为分类变量而自变量含有多个分类变量或分类变量水平较多的情况下，经典统计基本上都无能为力，而RF能很好地处理这样的问题。而且RF自带OOB(Out-Of-Bag）交叉验证，给出了各个分类基准在回归中的重要性以及对学习成果的影响。通过RF，从影响学习效果的六个分类基准的45个项目中，选取28个重要项目进入下一步分析，并针对六大分类基准对学习效果的影响程度进行排序。RF在对变量进行筛选时，仅删除了对学校效果影响程度较小的项目，未有某个维度被完全删掉的情况。分类基准、学习效果题目处理情况，以及内部一致性系数见表1。