《表3 BP神经网络建模预测细节分析》

  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

《基于数据预处理技术的学生成绩预测模型研究》

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

从表3中我们可以看到，此数据集运用BP神经网络算法进行预测，对B、C、D这3个等级预测准确率较高，但是对于等级A和E并没有能够准确的预测.成绩等级为A的学生有19个，最终只有2个被正确分为A，准确率只有10.5%.而等级为E的同学没有一个被正确预测，准确率为0.所以，虽然此模型的最终分类准确率能达到65.93%，但是对A和E的预测的效果非常的差.表4得到的结果表明，经过SMOTE和人工分箱处理后，利用相同的算法训练出来的模型对于类别A和E预测的能力得到了一定的提升，预测精度分别从10.5%上升到43.4%和91.3%.再对比表5，等距分箱配合SMOTE技术处理数据集，对类别A和E的预测精度分别上升到69.7%和77.5%，最终的预测准确率为64.37%.最后看表6，使用SMOTE技术配合等频分箱处理的模型，不仅对原本的少数类A和E的预测精度提高到77.6%和87.5%，此方法的分类准确率也是几种方法中最高的，达到了71.03%.