《表2 计算数据集示例：基于大数据的高职院校贫困生精准认定探析》

  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

《基于大数据的高职院校贫困生精准认定探析》

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

在所有学生数据中，受资助数据样本较少，直接运用分类模型进行受助对象认定往往准确率不高。采用SMOTE采样平衡数据，可以提高分类效度，准确识别受资助者的特征。本次实验采样10 236条样本数据，其中受资助样本1 535条，通过SMOTE重采样方法，选取5个近邻进行计算。计算数据集如表2所示。实验结果显示，SMOTE处理后的数据不平衡率显著改善，较大提高了受资助者认定的准确率，有助于后期建模预测的精准度将大幅度提升，也能准确地识别受资助学生的特征，对于贫困生精准认定可以起到很好的效果。